cwLeeDev/aiflow-math-ink-0.9-dataset
AIFlow Math Ink 0.9 Public Stroke Dataset AIFlow Math Ink 0.9의 온라인 수식 필기 데이터다. 데이터 관리자는 2026-08-09까지 포함된 참여자 데이터의 공개 배포 승인을 확인했다. 원래 수집 동의 범위인 AIFlow 필기 인식 모델 학습·검증과 이번 공개 배포 승인을 함께 기록한다. 구성 파일 수식 용도 data/formulas_valid.jsonl 110 검수 완료 학습·분석 후보 data/formulas_pending.jsonl 39 시각 검수 전; 기본 학습 제외 data/formulas_reject.jsonl 5 검수 탈락; 기본 학습 제외 data/ownership_train.jsonl 47 수동 검수된 stroke-to-symbol ownership 전체 154개 수식, 11명의 dataset-local writer group… See the full description on the dataset page: https://huggingface.co/datasets/cwLeeDev/aiflow-math-ink-0.9-dataset.
AIFlow Math Ink 0.9 Public Stroke Dataset
AIFlow Math Ink 0.9의 온라인 수식 필기 데이터다. 데이터 관리자는 2026-08-09까지 포함된 참여자 데이터의 공개 배포 승인을 확인했다. 원래 수집 동의 범위인 AIFlow 필기 인식 모델 학습·검증과 이번 공개 배포 승인을 함께 기록한다.
구성
전체 154개 수식, 11명의 dataset-local writer group, 15개 session group이다. 105건은 공개 웹 수집, 49건은 소유자 휴대폰 replay다. 문자별 수량과 파일 SHA-256은 dataset_info.json에 있다.
레코드
각 formula row는 다음을 보존한다.
- 원본 stroke 순서와 point 순서
x,y, formula-relativet_ms- pressure·tilt·contact geometry가 있는 경우 해당 센서값
- canvas 크기, 목표 token/관계, 검수 상태
- 재현 가능한 dataset-local
writer_id,session_group
ownership_train.jsonl은 sample_id, 문자 label, 원본 stroke index group을 제공한다.
개인정보 처리
공개본에서 contributor/session/prompt 원본 ID, 기록 시각, IP, 원본 경로, PNG data URL, epoch 기반 시간 원점과 raw pressure를 제거했다. writer/session 값은 비공개 매핑과 분리된 dataset-local 별칭이다. 각 수식의 첫 point를 t_ms=0으로 이동했다.
검증
python scripts/validate_public_dataset09.py . --expected-records 154 --expected-ownership 47검증기는 154건·quality split·47 ownership rows·SHA-256·금지 필드 부재·stroke/point count·시간 원점·ownership 정합성을 확인한다.
라이선스와 제한
DATA_USE_NOTICE.md를 따른다. 참여자 동의 및 데이터 관리자 확인에 따라 공개 배포되지만, 제3자 상업 재사용을 포괄적으로 허가하는 표준 라이선스는 선언하지 않는다. 신원 추론·재식별·필적 기반 개인 프로파일링에 사용하지 말아야 한다.
알려진 한계
- 154개 수식, 11 writer로 작다.
- class 분포가 불균형하다.
- pending/reject는 학습에 자동 포함하면 안 된다.
- 47개 수식만 문자 단위 ownership이 검수됐다.
- CROHME는 이 저장소에 포함되지 않으며 별도 비상업 연구 검증에만 사용한다.