nhagar/CC-MAIN-2015-27_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-2015-27_urls
下载链接
链接失效反馈官方服务：
资源简介：
这是一个包含网页爬取信息的数据集，具体包括网页内容（crawl）、网址的主机名（url_host_name）以及网址出现的次数（url_count）。数据集仅包含训练集，共有约2439万样本，文件大小为1.28GB。
This dataset includes web crawling information, specifically page content (crawl), the domain name of the URL (url_host_name), and the frequency of URL occurrences (url_count). The dataset consists only of a training set with approximately 24.39 million samples, totaling 1.28GB in size.
提供机构：
nhagar
