 |  |
Веб коллекция DMOZ
Описание
Колекция, созданная на основе русскоязычной части каталога
В колекцию были включены русскоязычные сайты, упоминающиеся в категориях второго уровня (начиная отсчет с World -> Russian), на страницах которых не было явного запрещения копирования содержимого этих сайтов. Для снижения размеров коллекции до разумных пределов для каждого сайта в коллекцию включалось не более 500 страниц, полученных обходом в ширину, начиная со стартовой страницы.
Статистика по набору данных
- Число страниц: 300 000
- Число сайтов: 2 100
- Кодировка: cp1251 (исключения можно трактовать как мусор)
- Область применения: обучающее множество
Права на использование
Авторские права принадлежат авторам страниц. В коллекцию не включались сайты, запрещающие копирование своего содержимого.
Распространение этой коллекции оргкомитетом РОМИП ограничено и доступ к ней предоставляется только желающим выполнить задания дорожки классификации Веб-сайтов. В этом случае также необходимо подписать соглашение об использовании.