nhagar/CC-MAIN-2015-35_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-2015-35_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，其中包括网页内容（crawl）、网址的主机名（url_host_name）和网址的出现次数（url_count）。数据集分为训练集，共有约2547万条样本，数据集大小为1.3GB。
This is a dataset containing web crawling information, which includes web content (crawl), the domain name of the URL (url_host_name), and the occurrence count of the URL (url_count). The dataset is split into a training set with approximately 25.47 million samples, and the total size of the dataset is 1.3GB.
提供机构：
nhagar
