Loading article…
エンロンコーパスは、2001年12月の同社破綻までの数年間に、エンロン社の従業員158名[1]が作成した60万通以上の電子メールのデータベースです。このコーパスは、連邦エネルギー規制委員会（FERC）がその後の調査中にエンロンの電子メールサーバーから作成したものです。[2]この電子メールデータベースのコピーは、その後、マサチューセッツ大学アマースト校のコンピューター科学者アンドリュー・マッカラムが1万ドルで購入しました。[3]彼はこのコピーを研究者に公開し、ソーシャルネットワーキングやコンピューターを介したコミュニケーションの研究に使用された膨大なデータを提供しました。
創造
エンロン破綻の法的調査では、証拠開示手続きで膨大な量のデータを収集し、保存する必要があり、FERCはアスペンシステムズ（現在はロッキード・マーティンの傘下）を雇った。電子メールは、アスペンの訴訟支援およびデータ分析請負業者であるジョー・バートリング[4]によって、2002年5月の2週間にわたってヒューストンのエンロン本社で収集された。エンロン従業員の電子メールに加えて、サンマイクロシステムズのサーバー上のオラクルデータベースにホストされていたエンロンのエンタープライズデータベースシステム[5]がすべてキャプチャされ、保存された。これにはオンラインエネルギー取引プラットフォームであるEnronOnlineも含まれていた。
収集されたエンロンの電子メールは、FERC、商品先物取引委員会、司法省の調査官による調査のため、独自の電子情報開示プラットフォーム（最初はConcordance、次にiCONECT）で処理およびホストされました。調査の終了時およびFERCスタッフレポートの発行時に、[6]収集された電子メールと情報はパブリックドメインとみなされ、歴史研究および学術目的に使用されました。電子メールアーカイブはiCONECTを使用して24時間365日ウェブ経由で公開および検索可能でしたが、160GBを超える膨大な量の電子メールのため、使用は現実的ではありませんでした。収集された電子メールとデータベースのコピーはハードドライブで利用可能になりました。
南カリフォルニア大学のJitesh ShettyとJafar Adibiは2004年にデータを処理し、MySQLバージョンをリリースしました。[7] 2010年にEDRM.netはコーパスの改訂および拡張バージョン2を公開しました。[8]これには170万を超えるメッセージが含まれており、研究者が簡単にアクセスできるようにAmazon S3で公開されています。
搾取
このコーパスは、研究に容易に利用できる、公開されている数少ない実際の電子メールの大量コレクションの 1 つとして評価されています。このようなコレクションは通常、秘密保持契約やデータ サニタイズなど、多数のプライバシーおよび法的制限によって制限されており、アクセスが非常に困難です。[3] Shetty と Adibi は、MySQL バージョンに基づいて、どのユーザー アカウントがどの電子メールを送信したかのリンク分析を公開しました。 [9]より最近の電子メールコーパスとの言語的比較により、英語の電子メールレジスターの変化が明らかになりました。また、自然言語処理や機械学習の研究のためのテスト データまたはトレーニング データとしても使用されています。[10]
参考文献
- ^ Klimt, Bryan; Yiming Yang (2004). 「The Enron Corpus: A New Dataset for Email Classification Research」 pp. 217–226. CiteSeerX 10.1.1.61.1645 .
- ^ 「The Enron Email Corpus Archived 2011-03-08 at the Wayback Machine」 2011年3月5日閲覧。
- ^ ab Markoff, John. 「高額な弁護士の軍隊、より安価なソフトウェアに置き換えられる」 ニューヨークタイムズ、2011 年 3 月 5 日、p A1。
- ^ バートリング、ジョー（2015年9月3日）。「エンロンデータセット - それはどこから来たのか？」バートリングフォレンジックアンドアドバイザリー。 2015年9月3日閲覧。[永久リンク切れ ]
- ^ 「FERC: 業界 - エンロンのエネルギー取引ビジネスプロセスとデータベース」www.ferc.gov。2020年1月5日時点のオリジナルよりアーカイブ。 2015年9月2日閲覧。
- ^ FERC スタッフレポート - 欧米市場における価格操作 - 調査結果の概要 2006 年 2 月 21 日にWayback Machineにアーカイブ(2003 年 3 月 26 日)
- ^ 「エンロンが処理したデータベース」
- ^ Socha, George. 「EDRM Enron Email Data Set v2 Now Available」. EDRM.net. 2011-09-04 時点のオリジナルよりアーカイブ。2012-09-03取得。
- ^ Shetty, Jitesh; Adibi, Jafar (2005)。「グラフエントロピーによる重要なノードの発見 - Enron 電子メールデータベースのケース」。第 3 回国際リンク発見ワークショップの議事録 - LinkKDD '05。pp. 74–81。doi : 10.1145 / 1134271.1134282。ISBN 978-1595932150. S2CID 10122735。
- ^ フリジナル、エリック、ハーディ、ジャック（2013）。コーパスベースの社会言語学：学生のためのガイド。ラウトレッジ。p.167。ISBN 978-1-136-29277-4. 2020年5月29日閲覧。
外部リンク
- Enron Corpus を使用したデータ モデリングのチュートリアル
- Shetty と Adibi のエンロン電子メール データセットを S3 にダウンロード (178 MB)
- ネイサン・ヘラー：エンロンの電子メールが私たちについて語ること ニューヨーカー、2017年7月24日
- 検索可能なエンロン電子メールデータベース（登録が必要）