crawl_domain

Common Crawl Domain Names 仓库提供了一个从 Common Crawl 抓取的域名数据集，并经过人工标注以添加词语边界。该数据集包含超过2万个样本，主要用于文本到语音合成和网络搜索等任务。数据集中每个样本都是一个用空格分隔的域名片段，采用MIT许可协议。数据来源于网络抓取，并由专家进行标注。