Conjuntos de datos

Conjuntos de datos disponibles

Todos los archivos se sirven desde https://data.jmail.world/v1/.

Conjunto de datos	URL de Parquet	URL de NDJSON
Emails (completo)	`emails.parquet`	`emails.ndjson.gz`
Emails (reducido)	`emails-slim.parquet`	`emails-slim.ndjson.gz`
Documentos	`documents.parquet`	`documents.ndjson.gz`
Fotos	`photos.parquet`	`photos.ndjson.gz`
Personas	`people.parquet`	`people.ndjson.gz`
Rostros en fotos	`photo_faces.parquet`	`photo_faces.ndjson.gz`
Conversaciones de iMessage	`imessage_conversations.parquet`	`imessage_conversations.ndjson.gz`
Mensajes de iMessage	`imessage_messages.parquet`	`imessage_messages.ndjson.gz`
Conteos de estrellas	`star_counts.parquet`	`star_counts.ndjson.gz`
Lotes de publicación	`release_batches.parquet`	`release_batches.ndjson.gz`

Emails

El conjunto de datos principal. Contiene todos los correos electrónicos publicados del archivo de Epstein. emails.parquet — Conjunto de datos completo con texto del cuerpo (content_markdown), remitente, destinatarios, asunto, fechas y metadatos. emails-slim.parquet — Los mismos correos electrónicos pero sin las columnas de texto del cuerpo. Descarga mucho más ligera, ideal para análisis de redes, grafos de remitente/destinatario y visualizaciones de líneas de tiempo.

Columnas clave (slim)

Columna	Tipo	Descripción
`id`	int	ID único del correo electrónico
`doc_id`	string	ID de agrupación de conversación
`sender`	string	Correo/nombre del remitente
`subject`	string	Asunto del correo
`to_recipients`	json	Destinatarios principales (`To`)
`cc_recipients`	json	Destinatarios en copia (`CC`)
`bcc_recipients`	json	Destinatarios en copia oculta (`BCC`)
`sent_at`	timestamp	Fecha de envío
`account_email`	string	Cuenta de origen
`email_drop_id`	string	Identificador de origen
`epstein_is_sender`	bool	Indica si Epstein envió este correo

Columnas adicionales (completo)

Columna	Tipo	Descripción
`content_markdown`	string	Cuerpo del correo electrónico en Markdown
`content_html`	string	Cuerpo del correo electrónico en HTML
`attachments`	int	Cantidad de adjuntos

Documentos

Metadatos de todos los documentos del archivo (publicaciones del DOJ, Departamento de Justicia de EE. UU.; House Oversight, registros judiciales).

Column	Type	Description
`id`	int	ID único del documento
`source`	string	Fuente (`doj`, `house_oversight`)
`release_batch`	string	Identificador de volumen/lote
`original_filename`	string	Nombre de archivo original
`page_count`	int	Número de páginas
`size`	int	Tamaño del archivo en bytes
`document_description`	string	Descripción generada por IA
`has_thumbnail`	bool	Indica si existe una miniatura

Fragmentos de texto completo de documentos

El texto extraído completo es demasiado grande para un solo archivo. Utiliza los archivos fragmentados:

Fragmento	URL	Contenido
VOL00008	`documents-full/VOL00008.parquet`	Volumen 8 del DOJ
VOL00009	`documents-full/VOL00009.parquet`	Volumen 9 del DOJ
VOL00010	`documents-full/VOL00010.parquet`	Volumen 10 del DOJ
DataSet11	`documents-full/DataSet11.parquet`	Conjunto de datos 11 del DOJ
other	`documents-full/other.parquet`	House Oversight, registros judiciales, etc.

El cliente de Python gestiona la concatenación de fragmentos automáticamente mediante client.documents(include_text=True).

Fotos

Metadatos de fotos de publicaciones gubernamentales con descripciones generadas por IA.

Column	Type	Description
`id`	int	ID único de la foto
`source`	string	Identificador de la fuente
`release_batch`	string	Volumen/lote
`original_filename`	string	Nombre de archivo original
`content_type`	string	tipo MIME
`width`	int	Ancho de la imagen en píxeles
`height`	int	Altura de la imagen en píxeles
`image_description`	string	Descripción generada por IA

Personas

Personas identificadas mediante el reconocimiento facial de AWS Rekognition.

Column	Type	Description
`id`	int	ID único de persona
`name`	string	Nombre identificado
`source`	string	Origen de la detección
`photo_count`	int	Número de fotos en las que aparece esta persona

Rostros en fotos

Cuadros delimitadores que vinculan rostros detectados en fotos con personas identificadas.

Column	Type	Description
`id`	int	ID único de rostro
`photo_id`	int	FK a fotos
`person_id`	int	FK a personas
`bbox_left`	float	Borde izquierdo (0–1) del cuadro delimitador
`bbox_top`	float	Borde superior (0–1) del cuadro delimitador
`bbox_width`	float	Ancho (0–1) del cuadro delimitador
`bbox_height`	float	Altura (0–1) del cuadro delimitador
`confidence`	float	Confianza de la detección

Conversaciones de iMessage

Metadatos de conversaciones de iMessage recuperadas del archivo.

Columna	Tipo	Descripción
`id`	int	ID único de la conversación
`slug`	string	Identificador de conversación seguro para URL
`name`	string	Nombre del contacto
`bio`	string	Biografía/descripción del contacto
`photo`	string	URL de la foto del contacto
`last_message`	string	Vista previa del último mensaje
`last_message_time`	string	Marca de tiempo del último mensaje
`pinned`	bool	Indica si la conversación estaba fijada
`confirmed`	bool	Indica si la identidad del contacto está confirmada
`source_files`	json	Archivos fuente de los que se extrajo esta conversación
`message_count`	int	Total de mensajes en esta conversación

Mensajes de iMessage

Mensajes de texto individuales de iMessage con información del remitente y marcas de tiempo.

Column	Type	Description
`id`	string	ID único del mensaje (`{slug}#{index}`)
`conversation_slug`	string	FK a conversaciones (slug)
`message_index`	int	Posición del mensaje dentro de la conversación
`text`	string	Contenido de texto del mensaje
`sender`	string	`me` (Epstein) o `them` (contacto)
`time`	string	Cadena de la marca de tiempo original
`timestamp`	timestamp	Marca de tiempo interpretada
`source_file`	string	Archivo de origen del que se extrajo este mensaje
`sender_name`	string	Nombre para mostrar del remitente

Conteos de estrellas

Conteos de estrellas/interés generados de forma colaborativa por usuarios de jmail.world.

Columna	Tipo	Descripción
`entity_type`	string	Tipo (`email_message`, `email_thread`, `photo`, `document`)
`entity_id`	int	ID de la entidad
`count`	int	Número de estrellas

Lotes de publicación

Metadatos sobre cada lote de publicación.

Columna	Tipo	Descripción
`id`	int	ID del lote
`name`	string	Nombre del lote
`description`	string	Descripción del lote
`released_at`	timestamp	Fecha de publicación al público

Primeros pasos

Métodos de acceso

Actualizaciones

Conjuntos de datos