nhagar/CC-MAIN-2020-45_urls
收藏官方服务：
资源简介：
这是一个包含网页抓取信息的数据集，具体特征包括网页内容（crawl）、网址主机名（url_host_name）和网址计数（url_count）。数据集分为训练集，大小为3129500682字节，共有63241847个示例。
This is a dataset containing web crawl information, with features including page content (crawl), URL host name (url_host_name), and URL count (url_count). The dataset is split into a training set, which is 3129500682 bytes in size and contains 63241847 examples.
提供机构：
nhagar
