nhagar/CC-MAIN-2014-15_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-2014-15_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数据的数据集，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）。数据集提供了一个训练集，总大小约为1.5GB，包含大约3000万个样本。
This dataset contains web crawl information, including the web page content (crawl), the host name of the URL (url_host_name), and the occurrence count of the URL (url_count). The dataset provides a training set, which is about 1.5GB in size and contains approximately 30 million samples.
提供机构：
nhagar
