#############################################################################################
#############################################################################################
#############################################################################################

AUTHOR: Alex Djalali 
COMPANY: Stanford University
EMAIL: [email protected]
WEBSITE: http://www.stanford.edu/~djalali/

#############################################################################################
#############################################################################################
#############################################################################################

This is the python implementation to the set-theoretic solution I give for the
ranking problem in Partial Order Optimality Theory, which can be stated as
follows: Allowing for free variation, given a finite set of input/output pairs,
i.e., a dataset, that a speaker knows to be part of some language, how can
learn the set of all grammars under some constraint set compatible with that
dataset? 

#############################################################################################
#############################################################################################
#############################################################################################