nhagar/CC-MAIN-2021-25_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-2021-25_urls
下载链接
链接失效反馈官方服务：
资源简介：
这是一个包含网页爬取信息的数据集，具体包含字段有网页内容（crawl）、网址主机名（url_host_name）和网址计数（url_count）。数据集分为训练集，共有约6000万个样本，大小为2.99GB。
This dataset includes web crawling information, specifically consisting of fields such as web page content (crawl), URL host name (url_host_name), and URL count (url_count). The dataset is split into a training set with a total of approximately 60 million samples, totaling 2.99GB in size.
提供机构：
nhagar
