nhagar/CC-MAIN-2014-41_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-2014-41_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。它被分割为训练集，共有超过三千一百八十八万个样本，数据集大小超过1.68GB。
The dataset includes fields for web crawl information (crawl), URL host names (url_host_name), and URL counts (url_count). It is split into a training set with over thirty-one million samples, and the dataset size is over 1.68GB.
提供机构：
nhagar
