Опубликован полный личный архив Константина Циолковского, включающий 51 008 листов и 2 019 архивных файлов, в формате набора данных CC0. Коллекция охватывает пятьдесят лет работы самоучки-теоретика ракетостроения и включает рукописные тексты наряду с печатными копиями.
- Архив содержит 36 446 зачёркнутых фрагментов, отмеченных для авторского пересмотра, и 299 939 явных знаков неопределённости от модели транскрипции.
- Точность распознавания измеряется с использованием 1 759 пар показаний рукописи и печатного текста из 224 файлов, что выявляет медианное совпадение слов всего в 37%.
- По сравнению с печатными изданиями, совпадение символов достигает 98,1% для печатных копий и 81,1% для рукописей, предоставляя конкретный эталон для распознавания русской рукописи.
- Набор данных служит полигоном для калибровки неопределённости и тонкой настройки моделей HTR, восполняя недостаток существующих ресурсов для русской рукописи.
Публикация предоставляет редкую возможность изучить старение одного почерка с течением времени и исторические орфографические изменения, а также предлагает строгую метрику оценки для систем OCR на сложных исторических шрифтах.