bhuvi/bcorp_web

该数据集包含使用Hyphe工具在B Corp网站上爬取的网页文本。Hyphe在B Corp网站上发现了超过1000个外链，其中许多实体是B Corp认证的组织。该数据集包含了这些组织的网页文本。由于B Corp认证组织的列表是动态的，因此本数据集仅选择了大约600个组织，且没有特定的选择标准。数据集主要包含英文文本，但也包含法语和西班牙语的网页数据。每个数据实例包含一个由BCorp认证的组织名称、其网页文本、在父组织网页文本中提到的其他B Corp认证组织列表以及它们所属的行业。数据集只有一个训练集分割。

原始信息汇总

数据集概述

名称: BCorp Web Data

内容: 该数据集包含使用Hyphe从B Corp网站爬取的网页文本。数据集涵盖了约600家B Corp认证组织的网页文本，这些组织通过B Corp网站的超过1000个出链被发现。

语言: 主要为英语，也包含法语和西班牙语的网页数据。

数据集结构

数据实例

每个数据实例包含以下信息：

• 组织名称: B Corp认证的组织名称。
• 网页文本: 该组织的网页内容。
• 关联组织列表: 网页文本中提及的其他B Corp认证组织。
• 所属行业: 组织所在的行业。

数据字段

• name: 组织名称。
• text: 网页文本。
• rel: 网页文本中提及的其他B Corp认证组织列表。
• shape: 组织所属的行业。

数据分割

• 分割方式: 仅有一个train分割。