Título :
Vigilancia normativa automatizada mediante procesamiento de lenguaje natural: clasificación temática de proyectos de ley y disposiciones ambientales en Perú.
Autores:
Cristian Chávez, Jean Hernández, Marvin Quispe y Paul Yaringaño
Facultad de Ingeniería Industrial y de Sistemas, Universidad Nacional de Ingeniería, Lima, Perú
Resumen:
La producción normativa peruana se encuentra dispersa entre múltiples portales institucionales y carece de una clasificación temática homogénea que permita su consulta sistemática. Esta investigación desarrolla un sistema de vigilancia normativa automatizada que aplica procesamiento de lenguaje natural para asignar tipologías temáticas a dos corpus complementarios del ciclo normativo: 14 864 proyectos de ley del Congreso de la República y 203 disposiciones jurídicas del Ministerio del Ambiente. Ante la ausencia de etiquetas de referencia, se adoptó una estrategia de supervisión débil basada en catálogos de palabras clave, con catorce tipologías temáticas y una categoría residual por corpus. Sobre esas etiquetas se entrenó un clasificador de regresión logística multinomial con representación TF-IDF de escalado sublineal, contrastado con Latent Dirichlet Allocation, factorización matricial no negativa, Word2Vec y BERTopic con embeddings contextuales multilingües. El clasificador supervisado alcanzó una exactitud de 0,873 y un F1-macro de 0,838 sobre quince clases en el corpus del Congreso, y un F1-macro por validación cruzada de 0,820 ± 0,090 sobre las nueve clases entrenables del corpus ministerial. Para mitigar la circularidad inherente a evaluar un modelo contra etiquetas generadas por diccionario, se recurrió a dos señales externas independientes del etiquetado: las comisiones dictaminadoras del Congreso y la entidad emisora de las normas ministeriales. Los resultados se materializan en una plataforma pública de consulta sobre más de 414 000 registros procesados.
Palabras clave:
procesamiento de lenguaje natural, clasificación temática, supervisión débil, modelado de tópicos, vigilancia normativa, textos legislativos, español jurídico