Arsip pribadi lengkap Konstantin Tsiolkovsky, yang terdiri dari 51.008 lembar dan 2.019 file arsip, telah dirilis sebagai dataset CC0. Koleksi ini mencakup lima puluh tahun karya sang teoretikus roket autodidak dan mencakup naskah tulisan tangan bersama salinan ketikan.

  • Arsip tersebut berisi 36.446 bagian yang dicoret ditandai untuk revisi penulis dan 299.939 tanda ketidakpastian eksplisit dari model transkripsi.
  • Akurasi pengenalan diukur menggunakan 1.759 pasangan bacaan naskah dan ketikan dari 224 file, mengungkapkan kesepakatan kata median hanya sebesar 37%.
  • Terhadap edisi cetak, kesepakatan karakter mencapai 98,1% pada salinan ketikan dan 81,1% pada tulisan tangan, menyediakan tolok ukur konkret untuk pengenalan tulisan tangan Rusia.
  • Dataset ini berfungsi sebagai landasan uji untuk kalibrasi ketidakpastian dan penyetelan ulang model HTR, mengatasi kekurangan sumber daya tulisan tangan Rusia yang ada.

Rilis ini memberikan kesempatan langka untuk mempelajari penuaan satu gaya tulisan seiring waktu dan perubahan ortografi historis, sambil menawarkan metrik evaluasi yang ketat untuk sistem OCR pada skrip historis yang sulit.