2022年最新 100G+ 亿级+ 免费互联网数据集整理分享

发布于：2022-10-14 ⋅ 阅读:(553) ⋅ 点赞:(0)

数据由搜索引擎从网上爬取并持续进行中，数据量正在持续增长中，截至2022年5月大约有48.9G的数据，包含这些内容：

· 域名数据(2.7G)包含6257636个域名，来自1938617个一级域名。

· 网页数据(6.4G)包含53294027个网页。其中有标题的网页有48577906个，有介绍的网页有35971682个。

· 反向索引数据(39.7G)包含17669628个词，每个词对应1~28000个网页。

资源整理自网络，源地址：https://github.com/RimoChan/internet-dataset

下载地址

你可以选一个自己喜欢的地方下载:

GitHub Release：https://github.com/RimoChan/internet-dataset/releases

OneDrive：https://v0vxj-my.sharepoint.com/:f:/g/personal/rimochan_v0vxj_onmicrosoft_com/EqRakuQVVjBDqMyU8xd7NnEB3MZrDZxDwPTVXK7tNv5Rqw?e=cXQMod

内容截图

往期精品内容推荐

ML机器学习入门新书-《从第一原理学习机器学习理论》免费分享

本文含有隐藏内容，请开通VIP 后查看

2022年最新 100G+ 亿级+ 免费互联网数据集 整理分享