Título: Estudo de Abordagens para Classificação de Textos sobre Dúvidas Tributárias Utilizando Mineração de Texto
Autores: Rodrigo Dantas, Karla Figueiredo and Leonardo Andrade
Resumo:
A SEFAZ-RJ possui um canal de atendimento pelo Sistema “Fale Conosco” usado para esclarecer dúvidas de contribuintes enviadas por e-mail. Com o distanciamento social, ocasionado pela COVID-19, a automatização das respostas para um maior volume de mensagens recebidas, tornou-se fundamental. Dessa forma, esse trabalho apresenta investigação de técnicas de Mineração de Texto, visando, em um primeiro momento, a classificação das mensagens de contribuintes a partir de técnicas de Machine Learning/Deep Learning para a automatização do processo de respostas aos contribuintes. Os resultados obtidos contribuíram para uma proposta de reformulação do formulário de dúvidas dos contribuintes, além de indicarem técnicas mais promissoras para se iniciar o processo de automatização do “Fale Conosco” da SEFAZ-RJ.
Palavras-chave:
Mineração de Texto, Machine Learning, Deep Learning, Direito Tributário.
Páginas: 7
Código DOI: 10.21528/CBIC2021-155
Artigo em pdf: CBIC_2021_paper_155.pdf
Arquivo BibTeX: CBIC_2021_155.bib