nhagar/CC-MAIN-2019-47_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-2019-47_urls
下载链接
链接失效反馈官方服务：
资源简介：
这是一个包含网页抓取信息的数据集，具体包括网页内容（crawl）、网址的主机名（url_host_name）和网址的出现次数（url_count）。数据集仅包含训练集，拥有超过五亿六千万个样本，文件大小约为2.8GB。
This dataset contains web crawling information, including page content (crawl), the domain name of the URL (url_host_name), and the occurrence count of the URL (url_count). The dataset consists only of a training set with over five hundred and sixty million examples, and the file size is approximately 2.8GB.
提供机构：
nhagar
