Abstract
Este estudo apresenta uma abordagem metodológica baseada em técnicas de Processamento de Linguagem Natural (PLN) e aprendizado de máquina para a análise de similaridade em documentos de patentes multilíngues. Utilizando um corpus de resumos de patentes redigidos em inglês, foram aplicadas estratégias de vetorização, redução de dimensionalidade e clustering para identificar agrupamentos temáticos e padrões semânticos. Ferramentas como Google Colab, Python e bibliotecas especializadas permitiram a criação de grafos interativos, nuvens de palavras e gráficos de dispersão e similaridade, evidenciando relações entre patentes e temas tecnológicos emergentes. O modelo obteve uma acurácia média de 0,95 em validação cruzada, demonstrando robustez e aplicabilidade na organização de acervos tecnológicos e apoio à inovação. A modelagem de redes e sua representação gráfica permitiram identificar agrupamentos temáticos e áreas tecnológicas críticas, evidenciando padrões ocultos nos dados. Os resultados demonstram o potencial das visualizações interativas como ferramentas estratégicas para a gestão da informação tecnológica, auxiliando examinadores, pesquisadores e formuladores de políticas.