nhagar/CC-MAIN-2013-48_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-2013-48_urls
下载链接
链接失效反馈官方服务：
资源简介：
该数据集是一个包含网页抓取信息的数据集，具体包括网页内容（crawl）、网址的主机名（url_host_name）以及网址出现的次数（url_count）。训练集包含了超过两千六百万个示例，数据集总大小约为1.3GB。
This dataset is a collection of web crawl information, which includes the web page content (crawl), the host name of the URL (url_host_name), and the frequency of URL occurrences (url_count). The training set contains over twenty-six million examples, with the total size of the dataset being approximately 1.3GB.
提供机构：
nhagar
