nhagar/CC-MAIN-2019-43_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-2019-43_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数据的数据集，其中包括网页内容（crawl）、网址主机名（url_host_name）和网址计数（url_count）等字段。数据集分为训练集，共有约5.95亿个样本，数据集大小为2.97GB。
This dataset contains web crawling data, including fields such as page content (crawl), URL hostname (url_host_name), and URL count (url_count). The dataset is split into a training set with a total of approximately 595 million samples, and the dataset size is 2.97GB.
提供机构：
nhagar
