nhagar/CC-MAIN-2018-26_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-2018-26_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抓取信息（crawl）、网址主机名（url_host_name）和网址计数（url_count）三个字段。数据集仅包含训练集分割，共有约九千万个样本，数据集大小为约4.7GB。
The dataset includes three fields: web crawling information (crawl), URL host name (url_host_name), and URL count (url_count). The dataset contains only a training set split with approximately ninety million samples, and the total dataset size is about 4.7GB.
提供机构：
nhagar
