five

nhagar/CC-MAIN-2021-49_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-2021-49_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)。数据集仅包含训练集分割,适用于网页内容分析、主机名分析或网址频率统计等任务。

The dataset includes web crawling information, specifically page content (crawl), URL hostnames (url_host_name), and the frequency of URLs (url_count). The dataset contains only a training split, which is suitable for tasks such as web content analysis, hostname analysis, or URL frequency statistics.
提供机构:
nhagar
5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作