Publicação: Abordagens de processamento de linguagem natural e aprendizado profundo para classificação de atos administrativos de diário oficial
Carregando...
Tipo do documento
Data
Direito de acesso
Área do conhecimento
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Título da Revista
ISSN da Revista
Título de Volume
Autores
Orientador
Coorientador
Pereira, Fabíola Souza Fernandes
Resumo
Este trabalho investigou a aplicação do Processamento de Linguagem Natural (PLN)
e Aprendizado Profundo (AP) na automação de processos em instituições públicas, visando
melhorar a eficiência e a tomada de decisão baseada em dados. A sobrecarga de
informações e a transição para processos digitais têm gerado desafios, sendo um dos principais
problemas a resistência de servidores públicos ao uso de tecnologias digitais, com a
persistência em métodos manuais para tarefas repetitivas. O objetivo desta pesquisa foi
realizar a aplicação de modelos que, utiliza técnicas de PLN e AP, capaz de classificar informações
relevantes em textos de atos administrativos extraídos de documentos Portable
Document Format (PDF) publicados em diário oficial. A fundamentação teórica baseouse
em conceitos de Sistemas de Informação (SI) para analisar os desafios e oportunidades
envolvidos na integração dessas tecnologias na administração pública. A metodologia
empregada incluiu uma revisão bibliográfica, análise exploratória e experimentos. Foram
utilizados algoritmos supervisionados de Deep Learning (DL) para desenvolver modelos
que classificam informações textuais após um processo de coleta e pré-processamento dos
dados obtidos em portais públicos. A abordagem da pesquisa é descritiva e quantitativa,
permitindo mensurar a eficiência dos modelos desenvolvidos. Os resultados demonstraram
que o modelo Bidirecional Encoder Representations from Transformers (BERT) alcançou
uma acurácia de 99%, superando modelos descritos na literatura, e se mostrou eficaz na
extração e classificação de informações relevantes. Conclui-se que a aplicação de tecnologias
de PLN e AP contribui significativamente para a automação de processos e melhoria
na tomada de decisões, apresentando um impacto positivo tanto na administração pública
quanto na comunidade acadêmica. O trabalho reforça a importância de adotar tecnologias
digitais para aprimorar a eficiência e qualidade dos serviços públicos.
Abstract
This study investigated the application of Natural Language Processing (NLP) and
Deep Learning (DL) in the automation of processes within public institutions, aiming to
improve efficiency and data-driven decision-making. Information overload and the shift
toward digital processes have posed challenges, among them the resistance of public officials
to adopting digital technologies, as they continue relying on manual methods for
repetitive tasks. The objective of this research was to implement models employing NLP
and DL techniques capable of classifying relevant information found in administrative
acts extracted from Portable Document Format (PDF) documents published in official
gazettes. The theoretical framework drew upon Information Systems (IS) concepts to
examine the challenges and opportunities in integrating these technologies into public
administration. The methodology included a literature review, exploratory analysis, and
experimental procedures. Supervised Deep Learning algorithms were used to develop
models that classify textual information after a data collection and preprocessing phase
from public portals. This descriptive and quantitative research approach enabled an assessment
of the developed models’ efficiency. The results showed that the Bidirectional
Encoder Representations from Transformers (BERT) model achieved a 99% accuracy rate,
outperforming models previously described in the literature, and proving effective for extracting
and classifying relevant information. The conclusion is that the application of
NLP and DL technologies significantly contributes to process automation and improved
decision-making, exerting a positive impact on both public administration and the academic
community. This work emphasizes the importance of adopting digital technologies
to enhance the efficiency and quality of public services.
Palavras-chave
Processamento de Linguagem Natural, Deep Learning, BERT, Classificação de Texto, Natural language processing, Text classification
Citação
ARAÚJO, David Pereira de. Abordagens de processamento de linguagem natural e aprendizado profundo para classificação de atos administrativos de diário oficial. 2025. 75 f. Dissertação (Mestrado em Ciências da Computação) - Universidade Federal de Uberlândia, Uberlândia, 2025. DOI http://doi.org/10.14393/ufu.di.2024.726.
Avaliação
Revisão
Suplementado Por
Referenciado Por
Licença Creative Commons
Exceto quando indicado de outra forma, a licença deste item é descrita como Acesso Aberto