git.cworth.org Git - notmuch-wiki/blob - corpus.mdwn

   1 [[!img notmuch-logo.png alt="Notmuch logo" class="left"]]
   2 # Notmuch Email Corpus
   3
   4 A corpus of about 209k messages is available for performance testing of
   5 notmuch (or other uses).
   6
   7 The contents are as follows
   8
   9 - `Mail/notmuch-archive`: archive of the notmuch mailing list.
  10
  11    - last updated 2012-11-17
  12
  13    - converted from mbox with mb2md 3.20.
  14
  15 - `Mail/enron`: selected data from the EDRM v2 enron data set
  16
  17    - CC Attribution: "ZL Technologies, Inc. (http://www.zlti.com)"
  18
  19    - Downloaded via bittorrent
  20
  21       http://www.searchdaimon.com/community/dataset/
  22
  23    - massaged with scripts/unpack-enron.sh (in the corpus tarball)
  24
  25 - `Mail/lkml`: lkml messages 1000000 to 1100000 from the gmane archive
  26
  27 The corpus is gpg signed by David Bremner with  key fingerprint:
  28
  29      7A18 807F 100A 4570 C596  8420 7E4E 65C8 720B 706B
  30
  31 You can download the corpus from
  32
  33 - [notmuchmail.org](https://notmuchmail.org/releases/notmuch-email-corpus-0.5.tar.xz) [signature](https://notmuchmail.org/releases/notmuch-email-corpus-0.5.tar.xz.asc)