Uno de los artefactos clave de la epigrafía en el sudeste asiático es la inscripción de la Piedra de Singapur, que, desafortunadamente, se encuentra en mal estado. Hay grandes espacios que separan los caracteres legibles, lo que hace que el texto esté incompleto. Esto hace que una reconstrucción e interpretación tradicional por parte de filólogos sea extremadamente desafiante. Consideramos la restauración epigráfica como una tarea de restauración de datos en este documento. Representamos la inscripción como un sistema de símbolos categóricos, de acuerdo con la disposición espacial original de los caracteres y los espacios. Nuestro modelo se entrena de manera conservadora y basada en datos utilizando los símbolos observados para aprender las estadísticas de transición local, y aprovecha esta información para hacer predicciones plausibles de los caracteres más probables en secuencias faltantes que son cortas y bien definidas. El procedimiento genera una hipótesis probabilística de restauración, que puede ser auditada, a diferencia de una lectura definitiva. La validación de la recuperación de caracteres enmascarados demuestra que el modelo tiene un error medio del 53.3% en la primera posición, lo que representa un rendimiento significativamente peor en comparación con métodos básicos simples. El proceso se centra en la interacción y la transparencia con los expertos. Se basa en puntuaciones de garantía y en completaciones alternativas priorizadas de cada reconstrucción propuesta, como un medio útil para producir hipótesis en epigrafía computacional y en las humanidades digitales.