找到2个数据集

标签: Common Crawl

过滤结果

  • Common_Crawl_Based_站点地图与机器人协议链接综合数据集2023

    2026年1月15日 30 92 81

    数据集概述 本数据集包含从Common Crawl 2023-50 WARC档案中提取的站点地图（Sitemaps）和机器人协议（robots.txt）链接综合列表，按Curlie.org目录顶级标签分类，提供各分类下的链接数量统计，可用于网络数据采集、网站结构分析等场景。 文件详解 站点地图压缩包 文件名称：all-...
    packageimg

  • 机器学习网络钓鱼数据集_特征评估

    2025年11月27日 30 71 56

    数据集概述 该数据集包含从5000个钓鱼网页和5000个合法网页中提取的48个特征，网页分别采集于2015年1月至5月、2017年5月至6月。采用基于Selenium WebDriver的浏览器自动化框架提取特征，比正则表达式解析更精准，且为WEKA兼容格式。 文件详解 文件名称：Phishing_Legitimate_full.arff...
    packageimg