Similitud de documentos

1. Estructura del Heatmap

• Eje Y (izquierda): Representa los documentos, que han sido agrupados (clustered), lo que significa que documentos similares están cerca unos de otros.
• Eje X (inferior): Representa los mismos documentos, formando una matriz cuadrada donde cada celda indica la similitud entre dos documentos.
• Colores: La barra de colores a la derecha indica el grado de similitud del coseno:
  • Amarillo → Similitud alta (~1.0, documentos casi idénticos)
  • Verde → Similitud moderada (~0.7-0.8)
  • Azul/Púrpura → Similitud baja (~0.2-0.4)
  
• La diagonal amarilla indica que cada documento tiene similitud 1 consigo mismo.

2. Leyenda y Distribución de Documentos

• A la derecha hay un recuadro con categorías y su distribución:
  • Se mencionan temas como Gobernanza, Ciudadanía, Innovación, Productos y Servicios, con un número asociado (cantidad de documentos en cada categoría).
  • Algunos temas tienen un número alto, lo que indica que hay muchas menciones en esos grupos.

3. Interpretación

• Se observan zonas de alta similitud (amarillo) donde hay documentos muy relacionados entre sí.
• Otras zonas tienen similitud más baja, lo que indica que ciertos grupos de documentos son diferentes.
• Esto puede ser útil para detectar patrones en textos, encontrar agrupaciones de noticias o documentos, o analizar reputación y discursos en temas específicos.