nhagar/CC-MAIN-2018-05_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-2018-05_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（crawl）、网址主机名（url_host_name）和网址计数（url_count）三个字段。训练集包含大约7655万个样本，总数据大小为约3.77GB。
The dataset includes three fields: web crawl information (crawl), URL host name (url_host_name), and URL count (url_count). The training set contains approximately 76.55 million samples with a total data size of about 3.77GB.
提供机构：
nhagar
