Metodología para el análisis de la similitud entre marcas mediante técnicas de aprendizaje automático

Vista sencilla de ítem
dc.contributor.advisorMontoya Múnera, Edwin Nelsonspa
dc.contributor.authorEcheverri Calderón, Santiago
dc.coverage.spatialMedellín de: Lat: 06 15 00 N degrees minutes Lat: 6.2500 decimal degrees Long: 075 36 00 W degrees minutes Long: -75.6000 decimal degreeseng
dc.creator.degreeMagíster en Ciencias de Datos y Analíticaspa
dc.creator.emailsechev11@eafit.edu.cospa
dc.date.accessioned2023-02-20T20:58:12Z
dc.date.available2023-02-20T20:58:12Z
dc.date.issued2022
dc.descriptionLas marcas son los signos distintivos que usa un empresario para identificar sus productos y servicios. Con frecuencia constituyen uno de los activos más valiosos de las empresas y es por esto por lo que existen normas para su registro y protección. Cuando una marca se registra, le genera a su titular el derecho de impedir que terceros comercialicen productos similares con marcas idénticas o similares. En los procesos de registro y protección marcaria es necesario establecer la similitud entre 2 marcas y determinar posibles confusiones que se puedan generar en los consumidores. Tradicionalmente esta similitud se ha determinado mediante un diagnóstico cualitativo realizado por un humano, pero ante la creciente cantidad de marcas que buscan ser registradas mes a mes, se configura la necesidad de automatizar esta tarea. En el presente proyecto se evalúan diferentes técnicas del Procesamiento del Lenguaje Natural (NLP por sus siglas en inglés), la Visión por Computador y la fonología, aplicadas en el contexto del cotejo de marcas, para así obtener un sistema de modelos que permita establecer la similitud entre marcas a nivel visual, ortográfico y fonético. Los modelos se evalúan sobre un conjunto de datos de oposiciones reales en solicitudes de registro marcario presentadas ante la Superintendencia de Industria y Comercio de Colombia (SIC).spa
dc.description.abstractTrademarks consist of the symbols and words that businesses use to identify their products and services. They are often one of the most valuable assets of a company and therefore there are regulations for their registration and protection. When a trademark is registered, it gives its holder the right to prevent third parties from marketing similar products with identical or similar symbols. In trademark registration and protection processes it is necessary to determine the similarity between 2 trademarks to detect potential confusion that may mislead consumers. Traditionally, this similarity has been established through a qualitative human assessment, but given the increasing number of trademarks registration, the need to automate this task is configured. This research evaluates different techniques of Natural Language Processing (NLP), Computer Vision and phonology, applied in the context of trademark matching, to obtain a system of models that can measure visual, spelling, and phonetic similarity between trademarks. The proposed method is evaluated on a dataset of trademark registration oppositions in applications filed with the Colombian Trademark Office (Superintendencia de Industria y Comercio).spa
dc.identifier.ddc006.31 E184
dc.identifier.urihttp://hdl.handle.net/10784/32158
dc.language.isospaspa
dc.publisherUniversidad EAFITspa
dc.publisher.departmentEscuela de Administraciónspa
dc.publisher.placeMedellínspa
dc.publisher.programMaestría en Ciencias de los Datos y Analíticaspa
dc.rightsTodos los derechos reservadosspa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.localAcceso abiertospa
dc.subjectMarcasspa
dc.subjectRegistro marcariospa
dc.subjectPropiedad industrialspa
dc.subjectSimilitud de imágenesspa
dc.subjectSimilitud fonéticaspa
dc.subjectSimilitud de textospa
dc.subjectAprendizaje automáticospa
dc.subject.keywordTrademarksspa
dc.subject.keywordTrademark registrationspa
dc.subject.keywordIndustrial propertyspa
dc.subject.keywordImage similarityspa
dc.subject.keywordPhonetic similarityspa
dc.subject.keywordText similarityspa
dc.subject.keywordMachine learningspa
dc.subject.lembMARCAS DE EMPRESASspa
dc.subject.lembAPRENDIZAJE AUTOMÁTICO (INTELIGENCIA ARTIFICIAL)spa
dc.subject.lembCIENCIA DE LA INFORMACIÓNspa
dc.subject.lembPROCESAMIENTO ELECTRÓNICO DE DATOSspa
dc.subject.lembPROPIEDAD INTANGIBLEspa
dc.titleMetodología para el análisis de la similitud entre marcas mediante técnicas de aprendizaje automáticospa
dc.typemasterThesiseng
dc.typeinfo:eu-repo/semantics/masterThesiseng
dc.type.hasVersionacceptedVersioneng
dc.type.localTesis de Maestríaspa
dc.type.spaMonografíaspa

Archivos

Bloque original
Mostrando 1 - 3 de 3
No hay miniatura disponible
Nombre:
Santiago_EcheverriCalderon_2022.pdf
Tamaño:
1.25 MB
Formato:
Adobe Portable Document Format
Descripción:
Trabajo de grado
Descargar
No hay miniatura disponible
Nombre:
formulario_autorizacion_publicacion_obras.pdf
Tamaño:
913.59 KB
Formato:
Adobe Portable Document Format
Descripción:
Formulario autorización publicación obras
Descargar
No hay miniatura disponible
Nombre:
carta_aprobacion_trabajo_grado_eafit.pdf
Tamaño:
98 KB
Formato:
Adobe Portable Document Format
Descripción:
Carta aprobación trabajo de grado
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
2.5 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Maestría en Ciencias de los Datos y Analítica (tesis)