El siguiente proyecto presenta una mejora para el proceso de tematización de artículos de prensa de la Biblioteca del Poder Legislativo. El Departamento de Prensa ingresa manualmente los temas asociados a los artículos de las publicaciones periódicas, lo cual implica un profundo análisis para la búsqueda de temas. Esta tarea tarda un tiempo considerable, lo que genera retrasos e inconformismo por parte de los usuarios del sistema. La solución propone reducir los tiempos de los análisis de un artículo proporcionado de forma automática los temas que más se relacionan con el texto del artículo. Esta consta de varios módulos: un módulo encargado de generar los modelos de clasificación y sugerir temas de un artículo basado en el reconocimiento de patrones, utilizando algoritmos de machine learning, un frontend desarrollado en React que se encarga de facilitar la gestión de los modelos, un backend implementado en C[numeral] sobre .NET Core y finalmente, el sistema que utilizan al momento de este proyecto (Periodicum), el cual es modificado para obtener las sugerencias. Ambos sistemas utilizan como gestor de bases de datos MySQL. Para llevar a cabo este proyecto se definió un ciclo de vida incremental iterativo. Como resultado del proyecto se validó la idea del cliente mediante un Producto Mínimo Viable (MVP), dando lugar a evolucionar el sistema que actualmente tiene disponible, complementándolo con la solución obtenida en este proyecto y abriendo las puertas a nuevos avances tecnológicos para la Biblioteca del Poder Legislativo.