nhagar/CC-MAIN-2021-43_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-2021-43_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，具体包括网页的抓取内容（crawl）、网址的主机名（url_host_name）以及网址出现的次数（url_count）。数据集的规模较大，训练集包含了近5938万条数据，总数据大小约为2.95GB。
This dataset includes web crawling information, specifically the content of the crawled web pages (crawl), the host name of the URL (url_host_name), and the frequency of the URL occurrences (url_count). The dataset is large, with the training set containing nearly 59 million examples, with a total data size of approximately 2.95GB.
提供机构：
nhagar
