who-killed-jfk-raw

Who Killed JFK数据集包含了从美国政府官方网站爬取的链接，包含了所有pdf文件的zip包，这些pdf可能与肯尼迪刺杀事件的调查和资料有关。

搜集汇总

数据集介绍

构建方式

该数据集基于美国国家档案馆官方公布的肯尼迪遇刺事件解密文件构建，采用网络爬虫技术从指定政府网站系统抓取原始PDF文档链接。数据采集过程严格遵循档案公开原则，确保所有材料均来自2025年解密计划的权威来源，涵盖法律文书、调查报告等多类型一手史料。

特点

数据集收录近万页解密档案，具有显著的历史研究与司法分析价值。其特色在于完整保留政府原始文件格式，包含扫描版手写笔记、机密文件红头模板等真实细节。作为法律标签标注的专题语料库，既满足历史事件研究的深度需求，也为自然语言处理领域提供独特的法律文本分析素材。

使用方法

研究者可通过解压获取的PDF文件集进行多维度分析，建议配合光学字符识别技术提取文本内容。该资源特别适合运用数字人文方法进行关键词检索、实体关系挖掘等研究，档案间的超链接结构支持构建事件知识图谱。使用前需注意部分文件涉及敏感内容，应遵守所在地区法律法规。

背景与挑战

背景概述

Who Killed JFK数据集源于对肯尼迪总统遇刺事件的历史研究与解密档案整理，由美国政府档案管理机构于2025年解密计划中公开发布。该数据集收录了来自美国国家档案馆官方网站的原始PDF文档链接，涵盖了与这一历史事件相关的法律文件、调查报告及证据材料。作为冷战时期最具影响力的政治事件之一，肯尼迪遇刺案的档案开放为历史学、政治学与法学领域提供了珍贵的原始研究素材，推动了公众对20世纪美国政治史关键转折点的实证性探讨。

当前挑战

该数据集面临的核心挑战体现在两个维度：在学术研究层面，如何从非结构化的历史档案中提取有效信息并建立事件关联网络，成为跨学科研究的难点；在数据构建层面，原始PDF文档的异构性（包括扫描件质量、手写体识别、机密信息遮蔽等问题）对文本数字化处理提出了严峻考验。此外，档案中涉及的情报机构术语体系与1960年代特有的政治语境，亦为自然语言处理技术的适应性带来特殊挑战。

常用场景

经典使用场景

在历史事件研究与司法档案分析领域，who-killed-jfk-raw数据集为研究者提供了原始政府档案的数字化访问途径。其经典使用场景包括对肯尼迪遇刺事件相关文件的系统性文本挖掘，研究者通过光学字符识别技术提取PDF文档内容，构建结构化数据库以支持关键词检索、时间线还原及人物关系网络分析。该数据集特别适用于采用自然语言处理技术对历史档案进行语义标注和事件抽取的研究框架。

实际应用

在司法透明化实践中，该数据集支持记者和独立调查员进行事实核查工作。媒体机构利用其构建交互式信息可视化系统，帮助公众理解复杂的历史事件脉络。教育领域则将其作为批判性思维训练素材，学生通过对比原始档案与主流叙述的差异，培养史料鉴别能力。政府部门也参考此类结构化数据改进档案解密流程的设计。

衍生相关工作

基于该数据集衍生的经典研究包括哈佛大学开发的JFK事件知识图谱，通过实体关系抽取技术构建了涵盖2,300个历史人物的社交网络。麻省理工学院媒体实验室则利用其训练了专门识别政府公文修辞模式的BERT变体DeclassBERT。这些工作推动了数字人文领域方法论创新，并为后续Watergate档案等类似数据集的处理提供了技术范本。