자습형 로켓 이론가인 콘스탄틴 치올코프스키의 완전한 개인 아카이브(51,008장 및 2,019개 아카이브 파일로 구성)가 CC0 데이터셋으로 공개되었습니다. 이 컬렉션은 그의 50년 간의 작업을 아우르며, 필사 원고와 타자본이 함께 포함되어 있습니다.

  • 아카이브에는 저자의 수정을 위해 표시된 36,446개의 삭제된 구절과 전사 모델로부터의 299,939개의 명시적 불확실성 표시가 포함되어 있습니다.
  • 인식 정확도는 224개 파일에서 추출한 필사본과 타자본 판독값 쌍 1,759개를 사용하여 측정되었으며, 그 결과 단어 일치율이 평균적으로 37%에 불과함이 드러났습니다.
  • 인쇄판 대비 문자 일치율은 타자본에서 98.1%, 필사본에서 81.1%로, 필사 러시아어 인식에 대한 구체적인 벤치마크를 제공합니다.
  • 이 데이터셋은 기존 러시아어 필사 자료의 부재를 해소하며 불확실성 보정 및 HTR 모델 파인튜닝을 위한 테스트베드로 활용됩니다.

이번 공개는 한 손글씨가 시간에 따라 어떻게 노화되는지, 그리고 역사적 정서법 변화가 어떻게 나타나는지를 연구할 수 있는 드문 기회를 제공함과 동시에, 난해한 역사적 필체에 대한 OCR 시스템의 엄격한 평가 지표를 제공합니다.