nhagar/CC-MAIN-2020-29_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-2020-29_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，具体字段包括网页内容（crawl）、网址主机名（url_host_name）和网址计数（url_count）。数据集专为训练用途设计，包含大量示例，适用于网页内容分析和网址特征研究。
The dataset includes web crawling information, with fields such as page content (crawl), URL hostname (url_host_name), and URL count (url_count). Designed for training purposes, the dataset contains a large number of examples, suitable for web content analysis and URL feature research.
提供机构：
nhagar
