nhagar/CC-MAIN-2015-11_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-2015-11_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，具体包含网页的抓取来源（crawl）、网址的主机名（url_host_name）以及网址的出现次数（url_count）。数据集提供了一个训练集（train），总大小为1.37GB，样本数量为2600多万。
This dataset contains web crawling information, including the source of the web page crawl (crawl), the domain name of the URL (url_host_name), and the occurrence count of the URL (url_count). The dataset provides a training set (train), with a total size of 1.37GB and over 26 million samples.
提供机构：
nhagar
