Pular para o conteúdo principal

Triagem automatizada de manifestações de clientes/usuários: aplicação de algoritmos à classificação de mensagens

dc.contributor.authorMarcelo Figueiredo dos Santos
dc.contributor.editorPGR - Procuradoria-Geral da República
dc.date.accessioned2025-04-01T17:58:02Z
dc.date.issued2024
dc.descriptionAcesso concedido aos públicos interno e externo.
dc.description.abstractEntre as tarefas desempenhadas pelo Processamento de Linguagem Natural (PLN), está a classificação de textos por assuntos, que é uma forma de extração de informação categórica a partir de trecho de texto. Esse procedimento tem aplicações práticas, como a triagem automatizada de mensagens ou documentos. Parte da literatura científica tem-se voltado a algoritmos de aprendizagem profunda (“Deep Learning”) e, mais recentemente, aos grandes modelos de linguagem (“Large Language Models”). Algoritmos tradicionais de “Machine Learning” podem ser preferíveis em certos contextos. Este trabalho comparou alguns desses algoritmos, aplicados a uma base de mensagens extraídas de um site brasileiro de grande audiência dedicado a registrar reclamações de consumidores, a fim de prever à qual categoria de serviço ou produto o texto da reclamação se referia. Dois algoritmos se destacaram: SVM Linear e FastText, tanto pelas métricas de classificação, pelo tempo de treinamento, quanto pelo bom desempenho com vários hiperparâmetros escolhidos, incluindo seus valores padrão. Essas características fazem desses dois algoritmos uma escolha confiável para a aplicação local da classificação, e este trabalho pretendeu mostrar que é viável implementar esse processo em “hardware” mediano.
dc.identifier.urihttp://hdl.handle.net/11549/318883
dc.publisherMinistério Público Federal
dc.subject.classification19 Outros assuntos
dc.titleTriagem automatizada de manifestações de clientes/usuários: aplicação de algoritmos à classificação de mensagens
dc.typeTCC, Pós-Graduação

Arquivos

Pacote original

Agora exibindo 1 - 2 de 2
Carregando...
Imagem de Miniatura
Nome:
SANTOS_MFS_TAD.pdf
Tamanho:
961.64 KB
Formato:
Adobe Portable Document Format
Carregando...
Imagem de Miniatura
Nome:
SANTOS_MFS_TAD_TERMO.pdf
Tamanho:
75.81 KB
Formato:
Adobe Portable Document Format

Licença do pacote

Agora exibindo 1 - 1 de 1
Carregando...
Imagem de Miniatura
Nome:
license.txt
Tamanho:
1.71 KB
Formato:
Item-specific license agreed to upon submission
Descrição:
login