Desarrollo de un prototipo de chatbot turístico basado en modelos Deep learning para la ciudad de Ilo

Abstract

Esta tesis presenta el desarrollo de un sistema conversacional inteligente orientado al turismo local de la ciudad de Ilo, Perú, con el objetivo de responder automáticamente a consultas frecuentes de visitantes utilizando técnicas de procesamiento de lenguaje natural (PLN). La investigación es de tipo experimental y nivel explicativo, la metodología se dio desde la planificación hasta su despliegue. Se construyó un corpus especializado con 36 intenciones y más de 1000 patrones representativos del lenguaje informal y local, considerando errores ortográficos y jergas propias de la zona. Para el modelado, se entrenaron y evaluaron seis arquitecturas de redes neuronales: GRU, LSTM, CNN+GRU, LSTM+GRU, Transformer Encoder y DistilBERT Multilingüe. En la fase de validación, los modelos Transformer y LSTM+GRU destacaron al obtener valores perfectos de precisión, Recall y F1-score, sin evidencias de sobreajuste. Sin embargo, al ser evaluados con un conjunto de 272 preguntas nuevas, formuladas con mayor complejidad lingüística, los modelos DistilBERT y Transformer mostraron la mayor consistencia en las predicciones según las matrices de confusión, superando a modelos entrenados desde cero. El procesamiento de datos, la implementación de modelos y la generación de visualizaciones se realizaron con Python 3.10 y librerías especializadas. Estos resultados demuestran que, si bien las arquitecturas híbridas tienen alto desempeño durante el entrenamiento, los modelos con atención y pre entrenamiento ofrecen mayor robustez frente a la variabilidad lingüística real. La investigación confirma la viabilidad de aplicar inteligencia artificial para construir chatbots turísticos adaptables, precisos y culturalmente contextualizados.