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

   1 ## Notmuch Email Corpus
   2
   3 A corpus of about 108k messages is available for performance testing of
   4 notmuch (or other uses).
   5
   6 The contents are as follows
   7
   8 - `Mail/notmuch-archive`: archive of the notmuch mailing list.
   9
  10    - last updated 2012-11-17
  11
  12    - converted from mbox with mb2md 3.20.
  13
  14 - `Mail/enron`: selected data from the EDRM v2 enron data set
  15
  16    - CC Attribution: "ZL Technologies, Inc. (http://www.zlti.com)"
  17
  18    - Downloaded via bittorrent
  19
  20       http://www.searchdaimon.com/community/dataset/
  21
  22    - massaged with scripts/unpack-enron.sh (in the corpus tarball)
  23
  24 The corpus is gpg signed by David Bremner with  key fingerprint:
  25
  26      815B 6398 2A79 F8E7 C727  86C4 762B 57BB 7842 06AD
  27
  28 You can download the corpus from
  29
  30 - [notmuchmail.org](http:///notmuchmail.org/releases/notmuch-email-corpus-0.3.tar.xz) [signature](http:///notmuchmail.org/releases/notmuch-email-corpus-0.3.tar.xz.asc)
  31 - [UNB](http://tesseract.cs.unb.ca/notmuch/notmuch-email-corpus-0.3.tar.xz) [signature](http://tesseract.cs.unb.ca/notmuch/notmuch-email-corpus-0.3.tar.xz.asc)