कांस्टेंटिन तsiolkovsky की एक पूर्ण व्यक्तिगत आर्काइव, जिसमें 51,008 पन्ने और 2,019 आर्काइव फ़ाइलें शामिल हैं, को CC0 डेटासेट के रूप में जारी किया गया है। यह संग्रह आत्म-शिक्षित रॉकेट सिद्धांतकार के पचास वर्षों के कार्य को कवर करता है और इसमें हस्तलिखित पांडुलिपियों के साथ टाइप कॉपीज़ भी शामिल हैं।
- आर्काइव में लेखक द्वारा संशोधन के लिए चिह्नित 36,446 काटे गए खंड और प्रतिलिपिकरण मॉडल से 299,939 स्पष्ट अनिश्चितता चिह्न शामिल हैं।
- पहचान सटीकता को 224 फ़ाइलों से लिए गए पांडुलिपि और टाइपस्क्रिप्ट पठन के 1,759 जोड़ों का उपयोग करके मापा गया है, जिसमें केवल 37% शब्द सहमति की मध्यिका दिखाई गई है।
- छपी हुई संस्करणों के मुकाबले, टाइपस्क्रिप्ट पर 98.1% और हस्तलिखित पर 81.1% वर्ण सहमति प्राप्त होती है, जो हस्तलिखित रूसी पहचान के लिए एक ठोस बेंचमार्क प्रदान करती है।
- यह डेटासेट अनिश्चितता कैलिब्रेशन और HTR मॉडल फाइन-ट्यूनिंग के लिए टेस्टबेड के रूप में कार्य करता है, मौजूदा रूसी हस्तलिखित संसाधनों की कमी को दूर करते हुए।
यह रिलीज़ एक दुर्लभ अवसर प्रदान करती है कि एक ही हाथ के समय के साथ बुढ़ापे और ऐतिहासिक वर्तनी परिवर्तनों का अध्ययन किया जा सके, जबकि कठिन ऐतिहासिक लिपियों पर OCR सिस्टम के लिए एक कड़ा मूल्यांकन मापदंड भी प्रदान करती है।