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

Abstract

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.

In an era dominated by technological innovation, advancements in Machine Learning (ML) and Natural Language Processing (NLP) have transformed various industries, including the field of patents. Patents protect inventions and require them to be novel, an aspect that involves a detailed analysis of large volumes of text in a limited time. This thesis project focuses on developing a prototype to support novelty analysis in patents by integrating text processing techniques such as Embeddings, Transformers, and classic machine learning algorithms. The methodology includes data acquisition and preprocessing, feature extraction using techniques like Word2Vec, FastText, and Transformers, and experimentation with various ML and Deep Learning (DL) models. Visualization techniques will be implemented to enhance the usability and readability of the results. The expected impact is a prototype that not only accurately determines the lack of novelty of a patent but also offers visual support for the analysis and interpretability of the results. This approach will contribute to the technical knowledge surrounding the novelty analysis of patents.