Análise de colisão de marcas nominativas: Um estudo sobre o desempenho de modelos de Processamento de Linguagem Natural (PLN)
Loading...
Date
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Instituto Federal de Educação, Ciência e Tecnologia do Piauí
Resumo
Este estudo analisou a eficácia de diferentes modelos de Processamento de Linguagem
Natural (PLN) na avaliação do risco de colisões entre marcas nominativas. Três modelos
comuns de PNL para classificação de textos foram analisados - Word2Vec, BERT e FastText -
e aplicados a 304 casos de marcas nominativas do banco de dados do Instituto Nacional da
Propriedade Industrial (INPI) que tiveram registro negado devido a colisões. As métricas de
Acurácia, Precisão, Recall e F1-score dos modelos foram calculadas para avaliar seu
desempenho na identificação de riscos de colisão. Os resultados mostraram que, embora todos
os modelos tenham alcançado 100% de Recall ao sinalizar todos os casos de colisão, o BERT
teve melhor desempenho com 86,51% de Precisão e o F1-score de 92,77%, classificando
corretamente a maioria dos casos. Word2Vec apresentou menor Acurácia e Precisão em
comparação aos demais modelos. FastText também forneceu resultados relativamente
precisos. Este estudo avança na compreensão da aplicação de abordagens de PNL como
Word2Vec, BERT e FastText para analisar semanticamente a similaridade de marcas
registradas. As descobertas oferecem orientação prática aos profissionais sobre como verificar
colisões de forma eficiente e rápida usando técnicas de PNL.
Description
Keywords
Semelhança de Marcas Registradas, Processamento de Linguagem Natural, Colidência de Marcas Normativas
Citation
TORRES, Mateus Miranda. Análise de colisão de marcas nominativas: um estudo sobre o desempenho de modelos de Processamento de Linguagem Natural (PLN). 2023. Trabalho de Conclusão de Curso (Graduação no curso de Tecnologia em Análise e Desenvolvimento de Sistemas) - Instituto Federal de Educação, Ciência e Tecnologia do Piauí, Floriano, 2023 (artigo científico).