nhagar/CC-MAIN-2017-26_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-2017-26_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）。数据集提供了训练集划分，可用于网页内容分析、主机名特征研究等领域。
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, which can be used for web content analysis, host name feature research, and other fields.
提供机构：
nhagar
