我对数据科学还很陌生，但之前遇到过。以下问题困扰着我，我希望你们能指出我正确的方向。

输入是一些字符串，其中一些带有相同的信息，而另一些则没有。未知数量的这些琴弦弯曲*到了令人担忧的程度。从只写一封信到彻底的垃圾。在输出端是来自输入的更正字符串。问题是只有某些已知的有效字符串组合可能。

在一种天真的方法中，我链接了一些模糊搜索，并且已经得到了一些有希望的结果。现在我不知道从哪里开始，或者是否已经解决了类似的问题。

*（我们还能这么说吗？）