kariatouk/enron_curated_labeled

Enron Email Dataset是一个包含来自Enron Corporation的电子邮件的数据集，Enron Corporation曾是美国最大的能源公司之一。该数据集广泛用于各种自然语言处理（NLP）任务，如电子邮件分类、情感分析和命名实体识别。处理后的数据集名为enron_processed.zip，是原始数据集的清洗和去重版本，减少了重复邮件并进行了数据清理。分析结果存储在results.zip文件中，包括与欺诈相关的关键主题和1000条随机选择的记录，每条记录包含一个欺诈内容评分。标记数据集名为enron_labeled.zip，包含手动标注的欺诈信息。

原始信息汇总

数据集概述

数据集名称

• Enron Email Dataset

数据集大小

• 3GB

邮件数量

• 250,000 邮件，由原始的500,000邮件减少而来

语言

• 英语

许可证

• Apache 2.0

数据集来源

• Kaggle

数据集版本

• enron_processed.zip：经过清理和去重处理的版本，以CSV格式提供，适合使用Python的pandas库加载。
• results.zip：包含对Enron Email Dataset的分析结果，包括关键的欺诈相关主题和1000个随机选择的记录。每个记录包含一个欺诈内容评分，范围从0到10。
• enron_labeled.zip：手动标记的版本，用于检测欺诈实例，包括每个邮件是否被分类为欺诈的额外注释。

数据集用途

• 用于各种自然语言处理任务，如邮件分类、情感分析和命名实体识别。
• 用于研究和分析目的，特别是关于欺诈检测的研究。

注意事项

• 处理过的数据集可能不包含所有原始数据集中的邮件。
• 分析结果基于特定的分析方法，可能不捕捉到数据集中所有的欺诈实例。
• 标记过程是主观的，可能不准确捕捉所有欺诈实例。建议使用其他方法或数据集验证结果。