nhagar/CC-MAIN-2019-04_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-2019-04_urls
下载链接
链接失效反馈官方服务：
资源简介：
该数据集包含网页抓取信息，具体包括网页内容（crawl字段），网址的主机名（url_host_name字段）以及该主机名的网址数量（url_count字段）。训练集包含大约8415万条示例，总数据大小为4.3GB。
The dataset includes web crawling information, specifically page content (crawl field), the hostname of the URL (url_host_name field), and the count of URLs for that hostname (url_count field). The training set contains approximately 84.15 million examples, with a total dataset size of 4.3GB.
提供机构：
nhagar
