five

nhagar/CC-MAIN-2022-49_urls

收藏
Hugging Face2025-05-15 更新2025-02-15 收录
下载链接:
https://hf-mirror.com/datasets/nhagar/CC-MAIN-2022-49_urls
下载链接
链接失效反馈
官方服务:
资源简介:
该数据集包含了网页爬取信息,具体特征包括网页内容(crawl)、网址的主机名(url_host_name)以及网址的访问计数(url_count)。数据集主要用于训练相关的机器学习模型,如用于分析网页内容的模型或是网址访问频率的模型。训练集包含了超过五千七百万个示例。

The dataset contains web crawling information, with features including web page content (crawl), the domain name of the URL (url_host_name), and the visit count of the URL (url_count). The dataset is primarily used for training machine learning models, such as those for analyzing web page content or URL visit frequencies. The training set includes over fifty-seven million examples.
提供机构:
nhagar
5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作