nhagar/CC-MAIN-2017-22_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-2017-22_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）、网址的主机名（url_host_name）和网址的出现次数（url_count）三个字段。数据集的训练集部分共有约5.8亿多个样本，大小为3GB左右。
The dataset includes three fields: web crawl information (crawl), URL host name (url_host_name), and the occurrence count of URLs (url_count). The training set of the dataset contains approximately 580 million samples, with a size of about 3GB.
提供机构：
nhagar
