nhagar/CC-MAIN-2017-34_urls
收藏官方服务：
资源简介：
这是一个包含网页抓取信息的数据集，具体包括网页内容（crawl）、网页主机名（url_host_name）和网页计数（url_count）三个字段。数据集分为训练集，包含大量样本，可用于网页内容分析、主机名分析等任务。
This dataset contains web crawling information, including three fields: page content (crawl), page hostname (url_host_name), and page count (url_count). The dataset is split into a training set with a large number of samples, which can be used for page content analysis, hostname analysis, and other tasks.
提供机构：
nhagar
