CWT(Chinese Web Test collection, 中文Web测试集)
申请方法。
注：CWT系列数据集免费提供（仅向信息受益者收取介质成本和处理费）给社会各界。
ComPaper10th
CWT70th
CWT200g
-
Chinese Web Test collection with 100 GB web pages,
根据天网搜索引擎截止2004年2月1日发现的中国范围内提供
Web服务的1,000,614个主机，
从中采样17,683个站点，在2004年6月搜集获得5,712,710个网页，
包括网页内容和Web服务器返回的信息，容量为90GB。
其中每个网页对应的服务器返回信息中的MIME类型都是"text/html"或者"text/plain"。
-
网页信息存储的天网格式
-
CWT100g样例下载
-
CWT100g顺序读取程序
Hosted by Network Group,
Peking University