nhagar/CC-MAIN-2018-22_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-2018-22_urls
下载链接
链接失效反馈官方服务：
资源简介：
该数据集包含网页抓取信息，具体特征包括网页内容（crawl）、网址主机名（url_host_name）和网址出现次数（url_count）。数据集分为训练集，共有约九千万条样本。
The dataset contains web crawling information, with features including web page content (crawl), URL host name (url_host_name), and URL occurrence count (url_count). The dataset is split into a training set with approximately ninety million samples.
提供机构：
nhagar
