GneissWeb注释数据集是一个应用于Common Crawl语料库的质量和类别注释数据集，由IBM Research的GneissWeb方法提供支持。该数据集支持对医疗、教育、技术和科学领域网络内容的精确过滤，便于为研究项目、语言模型和专业应用构建高质量语料库。数据集包含两个层次的注释粒度：主机级别（整个域的聚合统计）和URL级别（单个URL分类）。数据集利用了IBM公开提供的GneissWe

Hugging Face2025-12-11 更新50

TheBritishLibrary/web_archive_classification

网络分类

分类系统

该数据集由UKWA手动整理，包含了对网站的两层主题分类。数据集来源于Internet Archive和JISC的合作，涵盖了1996年至2013年间以.uk结尾的域名资源。数据集以TSV格式提供，旨在用于训练自动分类系统，以自动化UKWA更大档案的分类。数据集的语言为英语，大小为10K到100K之间，适用于文本分类任务，特别是多类和多标签分类。

Hugging Face2023-05-04 更新140

Synthetic networks for classification methods

网络分类

合成网络生成

The current study presents a collection of synthetic network databases intended for evaluating classification methods. The first database, termed "4-models," comprises synthetic networks that have bee

NIAID Data Ecosystem70

DMOZ

资源简介：

相关数据集