nhagar/CC-MAIN-2019-30_urls
收藏官方服务：
资源简介：
这是一个包含网页爬取信息的数据集，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）。数据集划分为训练集，包含超过五千万个样本。
This dataset contains web crawling information with fields including page content (crawl), URL host name (url_host_name), and URL count (url_count). The dataset is split into a training set with over fifty million samples.
提供机构：
nhagar
