Notícias

Banca de QUALIFICAÇÃO: ANTONIO HENRIQUE LIMA DO VALE

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE: ANTONIO HENRIQUE LIMA DO VALE
DATA: 30/11/2022
HORA: 16:00
LOCAL: Sala de aula do PPGCC
TÍTULO: Classificação Automática de Gastos Públicos no Combate à COVID-19: um Estudo de Caso do TCE/PI
PALAVRAS-CHAVES: Aprendizagem de Máquina. Classificação de Texto. COVID-19. Controle Externo. Despesa Pública.
PÁGINAS: 55
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
RESUMO:

Com o surgimento da COVID-19, os governos estaduais e municipais receberam recursos financeiros vultosos para a gestão da pandemia. Além disso, as regras das contratações públicas para o combate do novo coronavírus foram flexibilizadas, permitindo uma maior agilidade na utilização desses recursos. O volume de recursos e a flexibilização das regras das contratações dificultaram as ações dos órgãos de controle no combate aos desvios de recursos públicos, tal qual a classificação das despesas no enfrentamento da COVID-19, que por ser feita de forma manual se tornou ineficaz. Logo, um sistema de classificação automática se faz necessário. Essa pesquisa explora modelos de classificação automática dos objetos das contratações públicas destinadas ao enfretamento da pandemia da COVID- 19, aplicando técnicas de Processamento de Linguagem Natural (PLN). O trabalho foi concebido baseado na Teoria de Processamento de Informação, em especial, no conceito que compara o processamento de informação com o modelo de aprendizagem humana. Os modelos foram desenvolvidos considerando os dados extraídos da classificação manual das contratações publicadas nos diários oficiais. Analisou-se diversos métodos utilizando abordagens clássicas de Apredizagem de Máquina (AM), abordagens de AM profundo (Deep Learning) e com embeddings de documentos. Os resultados obtidos alcançaram uma acurácia de 96% utilizando o BERTimbau, que é um modelo BERT pré-treinado para a língua portuguesa. Adicionalmente, o modelo que utilizou o método de Deep Learning superou em 5% o modelo que utilizou embbedings de documentos e em mais de 10% os modelos que utilizaram abordagens clássicas.


MEMBROS DA BANCA:
Presidente - 1226761 - RAIMUNDO SANTOS MOURA
Interno - 1632667 - ANDRE MACEDO SANTANA
Interno - 2167802 - PEDRO DE ALCANTARA DOS SANTOS NETO
Interno - 1446435 - VINICIUS PONTE MACHADO
Notícia cadastrada em: 21/11/2022 14:44
SIGAA | Superintendência de Tecnologia da Informação - STI/UFPI - (86) 3215-1124 | © UFRN | sigjb03.ufpi.br.sigaa 03/02/2023 05:04