nhagar/CC-MAIN-2019-35_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-2019-35_urls
下载链接
链接失效反馈官方服务：
资源简介：
这个数据集包含了网页抓取信息，具体特征包括网页的抓取内容（crawl），网址的主机名（url_host_name）和网址的数量（url_count）。数据集被划分为训练集，包含大约69110166个示例，数据大小为3.44GB。提供的配置信息中，默认配置指向了训练集的数据文件。
The dataset consists of web crawl information, including features such as the crawl content of the web page (crawl), the domain name of the URL (url_host_name), and the count of URLs (url_count). The dataset is split into a training set, which contains approximately 69110166 examples and is 3.44GB in size. The default configuration provided points to the data files of the training set.
提供机构：
nhagar
