Conjuntos de dados

Conjuntos de dados disponíveis

Todos os arquivos são servidos a partir de https://data.jmail.world/v1/.

Conjunto de dados	URL do Parquet	URL do NDJSON
E-mails (completo)	`emails.parquet`	`emails.ndjson.gz`
E-mails (reduzido)	`emails-slim.parquet`	`emails-slim.ndjson.gz`
Documentos	`documents.parquet`	`documents.ndjson.gz`
Fotos	`photos.parquet`	`photos.ndjson.gz`
Pessoas	`people.parquet`	`people.ndjson.gz`
Rostos em fotos	`photo_faces.parquet`	`photo_faces.ndjson.gz`
Conversas iMessage	`imessage_conversations.parquet`	`imessage_conversations.ndjson.gz`
Mensagens iMessage	`imessage_messages.parquet`	`imessage_messages.ndjson.gz`
Contagem de estrelas	`star_counts.parquet`	`star_counts.ndjson.gz`
Lotes de publicação	`release_batches.parquet`	`release_batches.ndjson.gz`

Emails

O conjunto de dados principal. Contém todos os emails publicados do arquivo de Epstein. emails.parquet — Conjunto de dados completo com texto do corpo (content_markdown), remetente, destinatários, assunto, datas e metadados. emails-slim.parquet — Os mesmos emails, mas sem as colunas de texto do corpo. Tamanho de download bem menor, ideal para análise de redes, grafos de remetente/destinatário e visualizações de linha do tempo.

Colunas principais (slim)

Coluna	Tipo	Descrição
`id`	int	ID único do email
`doc_id`	string	ID de agrupamento de conversas
`sender`	string	Email/nome do remetente
`subject`	string	Assunto do email
`to_recipients`	json	Destinatários principais
`cc_recipients`	json	Destinatários em cópia (CC)
`bcc_recipients`	json	Destinatários em cópia oculta (BCC)
`sent_at`	timestamp	Data/hora de envio
`account_email`	string	Conta de origem
`email_drop_id`	string	Identificador de origem
`epstein_is_sender`	bool	Indica se Epstein enviou este email

Colunas adicionais (conjunto completo)

Coluna	Tipo	Descrição
`content_markdown`	string	Corpo do e-mail em Markdown
`content_html`	string	Corpo do e-mail em HTML
`attachments`	int	Número de anexos

Documentos

Metadados de todos os documentos no arquivo (publicações do DOJ – Departamento de Justiça dos EUA, House Oversight, registros judiciais).

Coluna	Tipo	Descrição
`id`	int	ID único do documento
`source`	string	Fonte (`doj`, `house_oversight`)
`release_batch`	string	Identificador de volume/lote
`original_filename`	string	Nome original do arquivo
`page_count`	int	Número de páginas
`size`	int	Tamanho do arquivo em bytes
`document_description`	string	Descrição gerada por IA
`has_thumbnail`	bool	Indica se há miniatura

Fragmentos de texto completo de documentos

O texto extraído na íntegra é grande demais para um único arquivo. Use os arquivos fragmentados:

Fragmento	URL	Conteúdo
VOL00008	`documents-full/VOL00008.parquet`	DOJ (Departamento de Justiça dos EUA) Volume 8
VOL00009	`documents-full/VOL00009.parquet`	DOJ (Departamento de Justiça dos EUA) Volume 9
VOL00010	`documents-full/VOL00010.parquet`	DOJ (Departamento de Justiça dos EUA) Volume 10
DataSet11	`documents-full/DataSet11.parquet`	DOJ (Departamento de Justiça dos EUA) Dataset 11
other	`documents-full/other.parquet`	House Oversight, registros judiciais, etc.

O cliente Python cuida da concatenação dos fragmentos automaticamente via client.documents(include_text=True).

Fotos

Metadados de fotos de divulgações do governo com descrições geradas por IA.

Coluna	Tipo	Descrição
`id`	int	ID único da foto
`source`	string	Identificador da fonte
`release_batch`	string	Volume/lote
`original_filename`	string	Nome de arquivo original
`content_type`	string	Tipo MIME
`width`	int	Largura da imagem em pixels
`height`	int	Altura da imagem em pixels
`image_description`	string	Descrição gerada por IA

Pessoas

Pessoas identificadas via reconhecimento facial do serviço AWS Rekognition.

Coluna	Tipo	Descrição
`id`	int	ID único da pessoa
`name`	string	Nome identificado
`source`	string	Fonte da detecção
`photo_count`	int	Número de fotos com essa pessoa

Rostos em Fotos

Caixas delimitadoras que associam rostos detectados em fotos a pessoas identificadas.

Column	Type	Description
`id`	int	ID único do rosto
`photo_id`	int	FK para fotos
`person_id`	int	FK para pessoas
`bbox_left`	float	Borda esquerda da caixa delimitadora
`bbox_top`	float	Borda superior da caixa delimitadora
`bbox_width`	float	Largura da caixa delimitadora
`bbox_height`	float	Altura da caixa delimitadora
`confidence`	float	Confiança da detecção

Conversas do iMessage

Metadados de conversas do iMessage recuperadas do arquivo.

Coluna	Tipo	Descrição
`id`	int	ID único da conversa
`slug`	string	Identificador de conversa seguro para URL
`name`	string	Nome do contato
`bio`	string	Biografia/descrição do contato
`photo`	string	URL da foto do contato
`last_message`	string	Prévia da última mensagem
`last_message_time`	string	Carimbo de data/hora da última mensagem
`pinned`	bool	Indica se a conversa foi fixada
`confirmed`	bool	Indica se a identidade do contato está confirmada
`source_files`	json	Arquivos de origem dos quais esta conversa foi extraída
`message_count`	int	Total de mensagens nesta conversa

Mensagens do iMessage

Mensagens de texto individuais do iMessage com informações do remetente e carimbos de data/hora.

Column	Type	Description
`id`	string	ID único da mensagem (`{slug}#{index}`)
`conversation_slug`	string	Chave estrangeira para conversas (slug)
`message_index`	int	Posição da mensagem dentro da conversa
`text`	string	Conteúdo de texto da mensagem
`sender`	string	`me` (Epstein) ou `them` (contato)
`time`	string	String original do carimbo de data/hora
`timestamp`	timestamp	Carimbo de data/hora processado
`source_file`	string	Arquivo de origem do qual esta mensagem foi extraída
`sender_name`	string	Nome de exibição do remetente

Contagem de estrelas

Contagens de estrelas/interesse geradas colaborativamente por usuários do jmail.world.

Coluna	Tipo	Descrição
`entity_type`	string	Tipo (`email_message`, `email_thread`, `photo`, `document`)
`entity_id`	int	ID da entidade
`count`	int	Número de estrelas

Lotes de Lançamento

Metadados sobre cada lote de lançamento.

Coluna	Tipo	Descrição
`id`	int	ID do lote
`name`	string	Nome do lote
`description`	string	Descrição do lote
`released_at`	timestamp	Data de divulgação pública

Primeiros passos

Métodos de acesso

Atualizações

Conjuntos de dados