Se ha publicado como un conjunto de datos CC0 un archivo personal completo de Konstantin Tsiolkovsky, que comprende 51.008 hojas y 2.019 archivos de archivo. La colección abarca cincuenta años de trabajo del teórico de cohetes autodidacta e incluye manuscritos a mano junto con copias mecanografiadas.

  • El archivo contiene 36.446 pasajes tachados marcados para revisión del autor y 299.939 marcas explícitas de incertidumbre del modelo de transcripción.
  • La precisión de reconocimiento se mide utilizando 1.759 pares de lecturas de manuscrito y mecanografiado de 224 archivos, revelando una concordancia mediana de palabras de solo el 37%.
  • En comparación con las ediciones impresas, la concordancia de caracteres alcanza el 98,1% en los mecanografiados y el 81,1% en la escritura a mano, proporcionando un punto de referencia concreto para el reconocimiento de escritura rusa manuscrita.
  • El conjunto de datos sirve como banco de pruebas para la calibración de incertidumbre y el ajuste fino del modelo HTR, abordando la falta de recursos existentes de escritura rusa manuscrita.

La publicación ofrece una oportunidad rara para estudiar cómo envejece una misma mano con el tiempo y los cambios ortográficos históricos, al tiempo que proporciona una métrica de evaluación rigurosa para sistemas OCR en escrituras históricas difíciles.