Construcción de un grafo de palabras a partir de los índices probabilísticos

Abstract

[ES] Existen bibliotecas con una enorme cantidad de textos manuscritos de los cuales se desconoce su contenido. Sin embargo, se pueden realizar técnicas de reconocimiento de texto sobre los textos escaneados para conocer su contenido. De hecho se utilizan técnicas como los grafos de palabras y los índices probabilísticos para almacenar su información. Estos primeros son demasiado pesados y se descartan en el proceso. En este trabajo se busca una forma alternativa de conseguir estos grafos de palabras a partir de los índices probabilísticos. Así, se expone en esta memoria los datos utilizados, la construcción del grafo de palabras a partir de estos y los experimentos realizados. Por último se habla de los resultados y qué posibles ampliaciones se pueden efectuar para mejorar el trabajo.

[EN] Libraries exist with an enormous amount of handwritten texts of which their content is unknown. However, text recognition techniques can be applied to scanned texts to understand their content. In fact, techniques such as word graphs and probabilistic indexes are used to store their information. The former is too heavy and is discarded in the process. This work aims to find an alternative way to obtain these word graphs from probabilistic indexes. Thus, this report presents the data used, the construction of the word graph from these indexes, and the experiments conducted. Finally, the results are discussed, and possible extensions are considered to enhance the work.