Passer au contenu principal

​
Jeux de données disponibles

Tous les fichiers sont accessibles depuis https://data.jmail.world/v1/.
Jeu de donnéesURL ParquetURL NDJSON
Emails (complets)emails.parquetemails.ndjson.gz
Emails (allégés)emails-slim.parquetemails-slim.ndjson.gz
Documentsdocuments.parquetdocuments.ndjson.gz
Photosphotos.parquetphotos.ndjson.gz
Personnespeople.parquetpeople.ndjson.gz
Visages sur photosphoto_faces.parquetphoto_faces.ndjson.gz
Conversations iMessageimessage_conversations.parquetimessage_conversations.ndjson.gz
Messages iMessageimessage_messages.parquetimessage_messages.ndjson.gz
Nombre d’étoilesstar_counts.parquetstar_counts.ndjson.gz
Lots de publicationrelease_batches.parquetrelease_batches.ndjson.gz

​
E-mails

Le jeu de données principal. Contient tous les e-mails publiés de l’archive Epstein. emails.parquet — Jeu de données complet avec corps du message (content_markdown), expéditeur, destinataires, objet, dates et métadonnées. emails-slim.parquet — Les mêmes e-mails mais sans les colonnes de corps du message. Fichier beaucoup plus léger à télécharger, idéal pour l’analyse de réseau, les graphes expéditeur/destinataire et les visualisations chronologiques.

​
Colonnes clés (slim)

ColonneTypeDescription
idintIdentifiant unique de l’e-mail
doc_idstringIdentifiant de regroupement de conversation
senderstringAdresse e-mail / nom de l’expéditeur
subjectstringObjet de l’e-mail
to_recipientsjsonListe des destinataires principaux
cc_recipientsjsonListe des destinataires en copie (CC)
bcc_recipientsjsonListe des destinataires en copie cachée (BCC)
sent_attimestampDate d’envoi
account_emailstringCompte source
email_drop_idstringIdentifiant de source
epstein_is_senderboolIndique si Epstein est l’expéditeur de cet e-mail

​
Colonnes supplémentaires (complètes)

ColonneTypeDescription
content_markdownstringCorps de l’e-mail au format Markdown
content_htmlstringCorps de l’e-mail au format HTML
attachmentsintNombre de pièces jointes

​
Documents

Métadonnées pour tous les documents de l’archive (publications du DOJ (U.S. Department of Justice), House Oversight, dossiers judiciaires).
ColonneTypeDescription
idintIdentifiant unique du document
sourcestringSource (doj, house_oversight)
release_batchstringIdentifiant de volume/lot
original_filenamestringNom de fichier d’origine
page_countintNombre de pages
sizeintTaille du fichier en octets
document_descriptionstringDescription générée par l’IA
has_thumbnailboolIndique si une vignette est disponible

​
Fragments de texte intégral des documents

Le texte intégral extrait est trop volumineux pour un seul fichier. Utilisez les fichiers fragmentés :
FragmentURLContenu
VOL00008documents-full/VOL00008.parquetVolume 8 du DOJ (U.S. Department of Justice)
VOL00009documents-full/VOL00009.parquetVolume 9 du DOJ
VOL00010documents-full/VOL00010.parquetVolume 10 du DOJ
DataSet11documents-full/DataSet11.parquetJeu de données 11 du DOJ
otherdocuments-full/other.parquetHouse Oversight, documents judiciaires, etc.
Le client Python gère automatiquement la concaténation des fragments via client.documents(include_text=True).

​
Photos

Métadonnées de photos provenant de publications gouvernementales, avec des descriptions générées par l’IA.
ColumnTypeDescription
idintIdentifiant unique de la photo
sourcestringIdentifiant de la source
release_batchstringVolume/lot
original_filenamestringNom de fichier d’origine
content_typestringtype MIME
widthintLargeur de l’image en pixels
heightintHauteur de l’image en pixels
image_descriptionstringDescription générée par l’IA

​
Personnes

Personnes identifiées par reconnaissance faciale via AWS Rekognition.
ColonneTypeDescription
idintIdentifiant de personne unique
namestringNom identifié
sourcestringSource de détection
photo_countintNombre de photos contenant cette personne

​
Visages sur les photos

Boîtes englobantes associant les visages détectés sur les photos aux personnes identifiées.
ColonneTypeDescription
idintID unique du visage
photo_idintFK vers la table des photos
person_idintFK vers la table des personnes
bbox_leftfloatBord gauche de la boîte englobante (valeur normalisée entre 0 et 1)
bbox_topfloatBord supérieur de la boîte englobante (valeur normalisée entre 0 et 1)
bbox_widthfloatLargeur de la boîte englobante (valeur normalisée entre 0 et 1)
bbox_heightfloatHauteur de la boîte englobante (valeur normalisée entre 0 et 1)
confidencefloatScore de confiance de la détection

​
Conversations iMessage

Métadonnées des conversations iMessage récupérées depuis l’archive.
ColonneTypeDescription
idintIdentifiant unique de la conversation
slugstringIdentifiant de conversation compatible avec les URL
namestringNom du contact
biostringBiographie/description du contact
photostringURL de la photo du contact
last_messagestringAperçu du dernier message
last_message_timestringHorodatage du dernier message
pinnedboolIndique si la conversation était épinglée
confirmedboolIndique si l’identité du contact est confirmée
source_filesjsonFichiers source à partir desquels cette conversation a été extraite
message_countintNombre total de messages dans cette conversation

​
Messages iMessage

Messages texte iMessage individuels avec informations sur l’expéditeur et les horodatages.
ColumnTypeDescription
idstringID de message unique ({slug}#{index})
conversation_slugstringClé étrangère vers les conversations (slug)
message_indexintPosition du message dans la conversation
textstringContenu textuel du message
senderstringme (Epstein) ou them (contact)
timestringChaîne d’horodatage d’origine
timestamptimestampHorodatage interprété
source_filestringFichier source dont ce message a été extrait
sender_namestringNom d’affichage de l’expéditeur

​
Nombre d’étoiles

Nombre d’étoiles (indice d’intérêt) renseigné de manière collaborative par les utilisateurs de jmail.world.
ColonneTypeDescription
entity_typestringType (email_message, email_thread, photo, document)
entity_idintIdentifiant de l’entité
countintNombre d’étoiles

​
Lots de diffusion

Métadonnées sur chaque lot de diffusion.
ColonneTypeDescription
idintIdentifiant du lot
namestringNom du lot
descriptionstringDescription du lot
released_attimestampDate de mise à disposition publique