Desarrollo de un prototipo para el analisis de novedad en patentes con técnicas de inteligencia artificial y visualización de datos

• Autores: Lino Nicho, Jeyson Jair, Zuñiga Avila, Jose Manuel, Herencia Guerra, Juan Luis
• Formato: tesis de maestría
• Fecha de Publicación: 2025
• Institución: Universidad de Ingeniería y tecnología
• Repositorio: UTEC-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.utec.edu.pe:20.500.12815/453
• Enlace del recurso: https://hdl.handle.net/20.500.12815/453
• Nivel de acceso: acceso abierto
• Materia: Natural Language Processing; Machine Learning; Deep Learning; Visualización de datos; https://purl.org/pe-repo/ocde/ford#1.02.02

En una era dominada por la innovación tecnológica, los avances en el Machine Learning (ML) y Natural Language Processing (NLP) han transformado diversas industrias, incluyendo el ámbito de las patentes. Las patentes protegen invenciones y requieren que estas sean novedosas, un aspecto que implica un análisis detallado de grandes volúmenes de texto en un tiempo limitado. Este proyecto de tesis se centra en desarrollar un prototipo de apoyo para el análisis de novedad en patentes mediante la fusión de técnicas de procesamiento de texto como Embeddings, Transformers y algoritmos clásicos de machine learning. La metodología incluye la adquisición y el preprocesamiento de datos, la extracción de características mediante técnicas como Word2Vec, FastText y Transformers, y la experimentación con diversos modelos de ML y DL. Se implementaron técnicas de visualización de datos para mejorar la usabilidad y lectura de los resultados. El impacto esperado es un prototipo que no solo determine con precisión la falta de novedad de una patente, sino que también ofrezca un apoyo visual para el análisis e interpretabilidad de los resultados. Este enfoque contribui r al conocimiento técnico entorno al análisis de novedad de patentes.