Classificação automática de notas fiscais eletrônicas para utilização de créditos tributários de PIS/PASEP e COFINS (2022)
- Authors:
- USP affiliated author: LARUCCIA, JAQUELINE BESERRA - ICMC
- School: ICMC
- Subjects: INTELIGÊNCIA ARTIFICIAL; MINERAÇÃO DE DADOS; APRENDIZADO COMPUTACIONAL; CRÉDITO TRIBUTÁRIO
- Language: Português
- Abstract: A classificação de documentos fiscais é uma etapa fundamental no processo de preparação e entrega das declarações tributárias, uma vez que é com base nessa classificação que os contribuintes identificam valores de créditos tributários, originados de gastos realizados, que podem ser descontados do valor final de tributos a serem recolhidos e pagos ao governo. Em outras palavras, permite a recuperação de créditos tributários. Nesta pesquisa foi considerada a classificação manual por humanos de notas fiscais eletrônicas emitidas no Brasil, no contexto de utilização de créditos tributários de PIS/PASEP e COFINS, aplicáveis à atividade de prestação de serviços de consultoria, que pode acarretar morosidade na revisão e gerar erros, principalmente quando há uma grande quantidade de documentos para serem classificados. Nesse contexto, foram utilizadas ferramentas computacionais de classificação automática, inseridas no campo de estudos da inteligência artificial e, mais especificamente, no aprendizado de máquina, para ajudar a reduzir o tempo gasto e a ocorrência de erros no processo de classificação manual. Nesta pesquisa foram usados diferentes algoritmos de classificação de dados, além de ter sido realizada a análise do processo de extração, transformação e carga de dados (ETL), associado ao uso de técnicas de mineração de texto. Além disso, foi realizada a comparação de desempenho dos algoritmos de classificação, por meio do uso de métodos de avaliação de desempenho, com o objetivo de identificar o algoritmo de classificação mais adequado para a classificação automática binária de notas fiscais eletrônicas. A utilização da técnica de validação cruzada k-fold cross validation na aplicação dos classificadores ensemble Stacking e Random Forest apresentou os melhores indicadores de desempenho, com quase 97% (noventa e sete por cento) de acerto, seguidos dos classificadores individuais Árvore deDecisão, Adaboost e Gradient Boosting. Os resultados de desempenho dos algoritmos individuais Naïve Bayes e SVM foram os menos satisfatórios, sendo que o percentual de acerto destes últimos classificadores ficou acima de 75% (setenta e cinco por cento).
- Imprenta:
- Place of publication: São Carlos
- Date published: 2022
-
ABNT
LARUCCIA, Jaqueline Beserra. Classificação automática de notas fiscais eletrônicas para utilização de créditos tributários de PIS/PASEP e COFINS. 2022. Trabalho de Conclusão de Curso (MBA) – Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, São Carlos, 2022. Disponível em: https://bdta.abcd.usp.br/directbitstream/0a7c9c2b-57de-482a-84e3-02e5d0ab8119/Jaqueline%20Beserra%20Laruccia_Monografia_206303.TCC.Jaqueline.2022-09-01_Jaque-FINAL.pdf. Acesso em: 20 abr. 2024. -
APA
Laruccia, J. B. (2022). Classificação automática de notas fiscais eletrônicas para utilização de créditos tributários de PIS/PASEP e COFINS (Trabalho de Conclusão de Curso (MBA). Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, São Carlos. Recuperado de https://bdta.abcd.usp.br/directbitstream/0a7c9c2b-57de-482a-84e3-02e5d0ab8119/Jaqueline%20Beserra%20Laruccia_Monografia_206303.TCC.Jaqueline.2022-09-01_Jaque-FINAL.pdf -
NLM
Laruccia JB. Classificação automática de notas fiscais eletrônicas para utilização de créditos tributários de PIS/PASEP e COFINS [Internet]. 2022 ;[citado 2024 abr. 20 ] Available from: https://bdta.abcd.usp.br/directbitstream/0a7c9c2b-57de-482a-84e3-02e5d0ab8119/Jaqueline%20Beserra%20Laruccia_Monografia_206303.TCC.Jaqueline.2022-09-01_Jaque-FINAL.pdf -
Vancouver
Laruccia JB. Classificação automática de notas fiscais eletrônicas para utilização de créditos tributários de PIS/PASEP e COFINS [Internet]. 2022 ;[citado 2024 abr. 20 ] Available from: https://bdta.abcd.usp.br/directbitstream/0a7c9c2b-57de-482a-84e3-02e5d0ab8119/Jaqueline%20Beserra%20Laruccia_Monografia_206303.TCC.Jaqueline.2022-09-01_Jaque-FINAL.pdf
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
Jaqueline Beserra Larucci... | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
