คลังข้อมูลแคลการีเป็นชุด ไฟล์ ข้อความและข้อมูลไบนารีซึ่งมักใช้สำหรับการเปรียบเทียบ อัลกอริทึม การบีบอัดข้อมูล คลังข้อมูลนี้สร้างขึ้นโดยIan Witten , Tim Bell และ John Cleary จากมหาวิทยาลัยแคลการีในปี 1987 และถูกใช้กันอย่างแพร่หลายในช่วงทศวรรษ 1990 ในปี 1997 คลังข้อมูลนี้ถูกแทนที่ด้วย คลังข้อมูลแคนเทอ ร์เบอรี^{[ 1 ]}เนื่องจากมีความกังวลเกี่ยวกับความเป็นตัวแทนของคลังข้อมูลแคลการี^{[ 2 ]}แต่คลังข้อมูลแคลการียังคงมีอยู่เพื่อใช้ในการเปรียบเทียบและยังคงมีประโยชน์สำหรับวัตถุประสงค์ดั้งเดิม

ในรูปแบบที่ใช้กันทั่วไปมากที่สุด ชุดข้อมูลประกอบด้วยไฟล์ 14 ไฟล์ รวมทั้งหมด 3,141,622 ไบต์ ดังนี้

นอกจากนี้ยังมีเวอร์ชัน 18 ไฟล์ที่ใช้ไม่บ่อยนัก ซึ่งรวมถึงไฟล์ข้อความเพิ่มเติมอีก 4 ไฟล์ในรูปแบบ UNIX "troff" ได้แก่ PAPER3 ถึง PAPER6 ผู้ดูแลเว็บไซต์ Canterbury corpus ระบุว่า "ไฟล์เหล่านี้ไม่ได้เพิ่มการประเมิน" ^{[ 3 ]}

ชุดข้อมูล Calgary ถือเป็นเกณฑ์มาตรฐาน ที่ใช้กันทั่วไป สำหรับการบีบอัดข้อมูลในช่วงทศวรรษ 1990 ผลลัพธ์ส่วนใหญ่มักแสดงเป็นบิตต่อไบต์ (bpb) สำหรับแต่ละไฟล์ จากนั้นจึงสรุปโดยการหาค่าเฉลี่ย ในปัจจุบัน การนำขนาดที่บีบอัดแล้วของไฟล์ทั้งหมดมารวมกันเป็นเรื่องปกติมากขึ้น วิธีนี้เรียกว่าค่าเฉลี่ยถ่วงน้ำหนักเนื่องจากเทียบเท่ากับการถ่วงน้ำหนักอัตราส่วนการบีบอัดด้วยขนาดไฟล์ดั้งเดิม เกณฑ์มาตรฐาน UCLC ^{[ 4 ]}โดย Johan de Bock ใช้วิธีนี้

สำหรับโปรแกรมบีบอัดข้อมูลบางตัว เป็นไปได้ที่จะบีบอัดคอร์ปัสให้เล็กลงโดยการรวมอินพุตเข้าเป็นไฟล์เก็บถาวรที่ไม่ได้บีบอัด (เช่น ไฟล์ tar ) ก่อนการบีบอัด เนื่องจากมีข้อมูลร่วมกันระหว่างไฟล์ข้อความ ในกรณีอื่นๆ การบีบอัดจะแย่ลงเนื่องจากโปรแกรมบีบอัดจัดการสถิติที่ไม่สม่ำเสมอได้ไม่ดี วิธีนี้ถูกใช้ในการทดสอบประสิทธิภาพในหนังสือออนไลน์Data Compression Explainedโดย Matt Mahoney ^{[ 5 ]}

ตารางด้านล่างแสดงขนาดไฟล์ที่บีบอัดของชุดข้อมูล Calgary จำนวน 14 ไฟล์ โดยใช้วิธีการทั้งสองแบบสำหรับโปรแกรมบีบอัดยอดนิยมบางโปรแกรม ตัวเลือกต่างๆ จะถูกเลือกเมื่อมีการใช้งาน สำหรับรายการที่สมบูรณ์ยิ่งขึ้น โปรดดูเกณฑ์มาตรฐานด้านบน

“การแข่งขันการบีบอัดข้อมูล Calgary corpus และ การถอดรหัส SHA-1 ” ^{[ 6 ]}เป็นการแข่งขันที่เริ่มต้นโดย Leonid A. Broukhis เมื่อวันที่ 21 พฤษภาคม 1996 เพื่อบีบอัดข้อมูล Calgary corpus เวอร์ชัน 14 ไฟล์ การแข่งขันนี้มีรางวัลเงินสดเล็กน้อยซึ่งเปลี่ยนแปลงไปตามกาลเวลา ปัจจุบันรางวัลคือ 1 ดอลลาร์สหรัฐต่อการปรับปรุง 111 ไบต์จากผลลัพธ์ก่อนหน้า

ตามกฎของการประกวด ผลงานที่ส่งเข้าประกวดต้องประกอบด้วยทั้งข้อมูลที่ถูกบีบอัดและโปรแกรมคลายการบีบอัดที่บรรจุอยู่ในรูปแบบไฟล์เก็บถาวรมาตรฐานรูปแบบใดรูปแบบหนึ่ง ข้อจำกัดด้านเวลาและหน่วยความจำ รูปแบบไฟล์เก็บถาวร และภาษาที่ใช้ในการคลายการบีบอัดได้รับการผ่อนปรนลงเรื่อยๆ ปัจจุบัน โปรแกรมต้องทำงานให้เสร็จภายใน 24 ชั่วโมงบนเครื่อง 2000 MIPS ภายใต้ระบบปฏิบัติการWindowsหรือLinuxและใช้หน่วยความจำน้อยกว่า 800 MB ต่อมาได้มีการเพิ่มความท้าทาย ด้วย SHA-1เข้ามา ซึ่งอนุญาตให้โปรแกรมคลายการบีบอัดสร้างไฟล์ที่แตกต่างจากชุดข้อมูล Calgary ได้ ตราบใดที่ค่าแฮชของไฟล์เหล่านั้นเท่ากับค่าของไฟล์ต้นฉบับ อย่างไรก็ตาม จนถึงขณะนี้ยังไม่มีผู้ใดทำได้ตามความท้าทายส่วนนี้

ข้อมูลชุดแรกที่ได้รับคือไฟล์ขนาด 759,881 ไบต์ ในเดือนกันยายน ปี 1997 โดย Malcolm Taylor ผู้เขียน RK และ WinRK ข้อมูลชุดล่าสุดคือไฟล์ขนาด 580,170 ไบต์ โดยAlexander Ratushnyakเมื่อวันที่ 2 กรกฎาคม ปี 2010 ไฟล์นี้ประกอบด้วยไฟล์บีบอัดขนาด 572,465 ไบต์ และโปรแกรมคลายการบีบอัดที่เขียนด้วยภาษา C++ และบีบอัดเหลือ 7700 ไบต์ ในรูปแบบไฟล์ PPMd var.I archive บวกอีก 5 ไบต์สำหรับชื่อไฟล์และขนาดไฟล์ที่ถูกบีบอัด ประวัติความเป็นมามีดังนี้

• การเปรียบเทียบโปรแกรมบีบอัดไฟล์

• บ้านเกิดเดิมของ Calgary Corpus
• บ้านใหม่
• เบลล์, วิทเทน และ เคลียรี, 1988
• ข้อมูลเกี่ยวกับคลังข้อมูลแคลการี
• ความท้าทายด้านการบีบอัดคอร์ปัสแคลการีและรอยแตก SHA-1