Referencia: Ross 2.2 p25, Telex, TTY o teletipo(Wikipedia)
Funciones de Matriz de transición de alfabeto
Es posible determinar la matriz de transición entre las letras del alfabeto continuando con el ejercicio de Funciones de probabilidad o masa.
Para procesar el texto se usa como entrada un archivo en formato .txt, analizando por línea, por símbolo y contando las veces que hay transición desde una letra del alfabeto.
Nota: Considere solo el total de letras, no el total de símbolos (no incluye ",;.!?" etc.)
El resultado que se obtiene es la matriz en los archivo adjuntos:
pueden ser importados para otro algoritmo, programa u hoja electrónica
matriz de conteo:
[[ 1 318 440 874 14 31 56 59 8 20 0 729 314 631 27 0 78 43 749 745 210 85 64 1 27 67 38]
[ 134 0 0 0 86 0 0 0 153 8 0 184 0 2 0 56 0 0 167 67 3 40 0 0 0 1 0]
[ 427 0 69 0 318 1 0 135 1064 0 2 63 0 0 0 877 0 0 82 0 174 394 0 0 0 0 0]
[ 677 0 0 0 1872 0 8 1 513 1 0 1 20 0 0 689 0 2 36 0 4 71 5 0 0 0 0]
[ 155 82 416 229 12 53 134 3 21 60 17 655 340 1921 12 34 112 18 1328 1479 138 27 61 24 139 37 40]
[ 45 0 0 0 111 0 0 0 194 0 0 18 0 0 0 48 0 0 25 0 0 160 0 0 0 0 0]
[ 90 0 0 0 104 0 1 0 108 0 1 22 2 30 0 114 0 0 105 2 1 146 0 0 0 0 0]
[ 261 0 0 0 99 0 0 0 15 0 0 0 3 3 0 183 0 0 1 1 7 42 0 1 0 0 0]
[ 499 165 439 546 473 123 155 3 0 6 0 143 371 778 4 326 60 12 281 326 285 2 162 0 1 0 37]
[ 29 0 0 0 48 0 0 0 6 0 0 0 0 0 0 46 0 0 0 0 0 29 0 0 0 0 0]
[ 19 0 0 0 12 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0]
[1299 0 19 20 513 3 53 0 281 0 1 172 46 2 0 560 5 28 4 27 97 152 12 0 0 3 0]
[ 379 80 0 0 531 0 0 0 374 0 0 0 6 2 0 588 312 0 12 1 1 66 0 0 0 1 0]
[ 501 2 447 379 361 63 86 0 385 6 1 0 33 13 0 541 1 16 2 214 1034 100 38 1 0 0 34]
[ 20 0 0 0 3 0 0 0 0 0 0 0 0 0 0 22 0 0 0 0 0 0 0 0 0 0 0]
[ 0 108 116 197 43 28 54 4 10 12 0 165 404 768 3 0 125 2 628 1356 97 6 18 0 5 11 5]
[ 334 0 32 0 310 0 0 2 116 0 0 193 0 0 0 560 1 0 412 1 29 222 0 0 0 0 0]
[ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 692 0 0 0 0 0]
[1058 16 74 111 774 22 57 0 486 1 1 40 93 35 0 522 21 13 105 129 191 39 24 0 0 3 51]
[ 306 2 118 31 576 40 0 2 694 0 2 2 92 0 0 333 150 5 0 4 731 374 2 1 0 0 0]
[ 840 0 4 0 954 0 1 8 429 0 0 3 0 3 0 771 0 0 475 1 6 150 0 0 0 0 4]
[ 232 50 100 54 976 9 25 1 134 5 0 166 82 758 0 12 69 0 115 166 83 0 9 0 0 38 9]
[ 112 0 0 0 272 0 0 0 168 0 0 0 0 0 0 68 0 0 1 0 0 10 0 0 0 0 0]
[ 0 0 0 0 9 0 0 0 1 0 0 0 0 0 0 0 0 0 0 1 21 0 0 0 0 0 0]
[ 14 0 13 0 0 0 0 0 81 0 0 0 0 0 0 0 46 0 0 0 21 0 0 0 0 0 0]
[ 33 0 0 0 22 0 0 0 0 0 0 0 0 2 0 36 0 0 0 0 0 2 0 0 0 0 0]
[ 117 0 7 0 0 0 3 0 0 0 0 0 0 0 0 22 0 0 0 0 2 3 0 0 0 0 0]]matriz de conteo:
[[ 1.77e-04 5.64e-02 7.81e-02 1.55e-01 2.48e-03 5.50e-03 9.94e-03 1.04e-02 1.42e-03 3.55e-03 0.00e+00 1.29e-01 5.57e-02 1.12e-01 4.79e-03 0.00e+00 1.38e-02 7.63e-03 1.33e-01 1.32e-01 3.73e-02 1.51e-02 1.13e-02 1.77e-04 4.79e-03 1.19e-02 6.75e-03]
[ 1.48e-01 0.00e+00 0.00e+00 0.00e+00 9.54e-02 0.00e+00 0.00e+00 0.00e+00 1.69e-01 8.87e-03 0.00e+00 2.04e-01 0.00e+00 2.21e-03 0.00e+00 6.21e-02 0.00e+00 0.00e+00 1.85e-01 7.43e-02 3.32e-03 4.43e-02 0.00e+00 0.00e+00 0.00e+00 1.10e-03 0.00e+00]
[ 1.18e-01 0.00e+00 1.91e-02 0.00e+00 8.81e-02 2.77e-04 0.00e+00 3.74e-02 2.95e-01 0.00e+00 5.54e-04 1.74e-02 0.00e+00 0.00e+00 0.00e+00 2.43e-01 0.00e+00 0.00e+00 2.27e-02 0.00e+00 4.82e-02 1.09e-01 0.00e+00 0.00e+00 0.00e+00 0.00e+00 0.00e+00]
...
[ 7.59e-01 0.00e+00 4.54e-02 0.00e+00 0.00e+00 0.00e+00 1.94e-02 0.00e+00 0.00e+00 0.00e+00 0.00e+00 0.00e+00 0.00e+00 0.00e+00 0.00e+00 1.42e-01 0.00e+00 0.00e+00 0.00e+00 0.00e+00 1.29e-02 1.94e-02 0.00e+00 0.00e+00 0.00e+00 0.00e+00 0.00e+00]]Instrucciones en Python
# procesar un archivo de texto
# Determinar la matriz de transición
# para las letras del alfabeto(incluye ñ)
import numpy as np
# INGRESO
# archivo=input('archivo a leer.txt: ')
nombrearchivo =' eureka_poe_edgar_allan.txt'
# PROCEDIMIENTO
alfabeto = 'abcdefghijklmnñopqrstuvwxyz'
k = len(alfabeto)
matriz = np.zeros(shape=(k,k),dtype=int)
transicion =
np.zeros(shape=(k,k),dtype=float)
total = 0
# procesa el archivo
archivo = open(nombrearchivo,'r')
unalinea = archivo.readline()
while not(unalinea == ''):
unalinea = unalinea.strip('\n')
unalinea = unalinea.lower()
m = len(unalinea)
for j in range(0,m-1,1):
unsimbolo = unalinea[j]
donde = alfabeto.find(unsimbolo)
siguiente = unalinea[j+1]
dondesig = alfabeto.find(siguiente)
if (donde>=0 and dondesig>=0):
#Si no encuentra es negativo
matriz[donde][dondesig] = matriz[donde][dondesig]+1
total = total + 1
unalinea = archivo.readline()
archivo.close()
# Determina matriz de transicion
for i in range(0,k,1):
suma = np.sum(matriz[i,:])
transicion[i]=matriz[i,:]/suma
# Salida
print('matriz de conteo: ')
print(matriz)
print('matriz de transición:')
print(transicion)
np.savetxt('transicionletras.txt',matriz, fmt='%d')
np.savetxt('transicionletrasfreq.txt',transicion)