Newspaper Restoration System using Prefix Tries

Resumen del proyecto

Una herramienta de restauración de texto que explora la recuperación con comodines, sugerencias aproximadas, mantenimiento del vocabulario y visualización de árboles de prefijos.

Un conjunto explicable de herramientas Python por línea de comandos para restaurar texto incompleto de periódicos históricos. Cada comodín representa un carácter ausente, con búsquedas en tries de prefijos, sugerencias ordenadas y búsqueda aproximada para ayudar a la recuperación. La inspección visual y las pruebas automatizadas explican el comportamiento sin afirmar exactitud de restauración medida en un corpus de referencia.

Dentro de esta creación

• Implementé estrategias de recuperación mediante comodines exactos, subárboles y distancia de edición.
• Ordené de forma determinista las sugerencias exactas y aproximadas.
• Añadí edición por lotes de prefijos y sufijos con almacenamiento persistente de vocabulario.
• Visualicé la topología del trie, relaciones de similitud y estructura de coocurrencia.
• Separé almacenamiento, gestión de archivos, restauración, grafos e interacción de consola en componentes comprobables.
• Proporcioné flujos por línea de comandos para edición, búsqueda, procesamiento por lotes, visualización y recuperación.

Código fuente y enlaces