nhagar/CC-MAIN-2014-52_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-2014-52_urls
下载链接
链接失效反馈官方服务：
资源简介：
该数据集包含了网页爬取信息，具体字段包括网页内容（crawl）、网址主机名（url_host_name）和网址计数（url_count）。训练集共有26928381条数据，数据大小为1.41GB。
The dataset consists of web crawling information, with fields including page content (crawl), URL host name (url_host_name), and URL count (url_count). The training set contains 26,928,381 entries, with a total size of 1.41GB.
提供机构：
nhagar
