nhagar/CC-MAIN-2015-32_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-2015-32_urls
下载链接
链接失效反馈官方服务：
资源简介：
这是一个包含网页抓取信息的数据集，具体包含字段有网页抓取内容（crawl）、网址主机名（url_host_name）和网址计数（url_count）。数据集分为训练集，大小为1.28GB，共有2500万多个样本。
This dataset contains web crawling information, including fields such as web page crawl content (crawl), URL host name (url_host_name), and URL count (url_count). The dataset is split into a training set, which is 1.28GB in size and contains over 25 million samples.
提供机构：
nhagar
