Mineração de Dados na Identificação de Empresas Irregulares Quanto ao Pagamento de Impostos
Autor(a) principal: | |
---|---|
Data de Publicação: | 2018 |
Outros Autores: | , , , , |
Tipo de documento: | Artigo |
Idioma: | por |
Título da fonte: | Revista de Engenharia e Pesquisa Aplicada |
Texto Completo: | http://revistas.poli.br/index.php/repa/article/view/932 |
Resumo: | Este artigo descreve o processo de descoberta de conhecimento utilizando base de dados da Secretaria da Fazenda de Pernambuco. As atividades desempenhadas consistem no pré-processamento dos dados, limpeza, mineração e avaliação dos resultados obtidos. O órgão governamental possui a necessidade de classificar e identificar perfis de empresas com maior potencial de se comportarem de maneira irregular em relação a legislação dos impostos estaduais. Portanto, o objetivo deste trabalho consistiu em aplicar algoritmos de Mineração de Dados, através das tarefas de classificação e clusterização. Os resultados apontam para uma maior taxa de acerto com o classificador Random Forests e identificou níveis de empresas nocivas na base de dados através dos algoritmos de clusterização. |
id |
UFPE-2_e4720dcd46bcfffd0595bd739d04e765 |
---|---|
oai_identifier_str |
oai:ojs.poli.br:article/932 |
network_acronym_str |
UFPE-2 |
network_name_str |
Revista de Engenharia e Pesquisa Aplicada |
repository_id_str |
|
spelling |
Mineração de Dados na Identificação de Empresas Irregulares Quanto ao Pagamento de ImpostosEste artigo descreve o processo de descoberta de conhecimento utilizando base de dados da Secretaria da Fazenda de Pernambuco. As atividades desempenhadas consistem no pré-processamento dos dados, limpeza, mineração e avaliação dos resultados obtidos. O órgão governamental possui a necessidade de classificar e identificar perfis de empresas com maior potencial de se comportarem de maneira irregular em relação a legislação dos impostos estaduais. Portanto, o objetivo deste trabalho consistiu em aplicar algoritmos de Mineração de Dados, através das tarefas de classificação e clusterização. Os resultados apontam para uma maior taxa de acerto com o classificador Random Forests e identificou níveis de empresas nocivas na base de dados através dos algoritmos de clusterização.Escola Politécnica de Pernambuco2018-08-30info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdfhttp://revistas.poli.br/index.php/repa/article/view/93210.25286/repa.v3i3.932Journal of Engineering and Applied Research; Vol 3 No 3 (2018): Edição Especial em Ciência de Dados e AnalyticsRevista de Engenharia e Pesquisa Aplicada; v. 3 n. 3 (2018): Edição Especial em Ciência de Dados e Analytics2525-425110.25286/repa.v3i3reponame:Revista de Engenharia e Pesquisa Aplicadainstname:Universidade Federal de Pernambuco (UFPE)instacron:UFPEporhttp://revistas.poli.br/index.php/repa/article/view/932/451Nascimento, Rafaella Leandra SouzaSantos, Pedro José Buarque Lins dosSantiago, Jorge Felipe LessaAraújo, Bettina CavalcantiLima, Fernando Baptistella deMaciel, Alexandre Magno Andradeinfo:eu-repo/semantics/openAccess2021-07-13T08:41:58Zoai:ojs.poli.br:article/932Revistahttp://revistas.poli.br/index.php/repaONGhttp://revistas.poli.br/index.php/repa/oai||repa@poli.br2525-42512525-4251opendoar:2021-07-13T08:41:58Revista de Engenharia e Pesquisa Aplicada - Universidade Federal de Pernambuco (UFPE)false |
dc.title.none.fl_str_mv |
Mineração de Dados na Identificação de Empresas Irregulares Quanto ao Pagamento de Impostos |
title |
Mineração de Dados na Identificação de Empresas Irregulares Quanto ao Pagamento de Impostos |
spellingShingle |
Mineração de Dados na Identificação de Empresas Irregulares Quanto ao Pagamento de Impostos Nascimento, Rafaella Leandra Souza |
title_short |
Mineração de Dados na Identificação de Empresas Irregulares Quanto ao Pagamento de Impostos |
title_full |
Mineração de Dados na Identificação de Empresas Irregulares Quanto ao Pagamento de Impostos |
title_fullStr |
Mineração de Dados na Identificação de Empresas Irregulares Quanto ao Pagamento de Impostos |
title_full_unstemmed |
Mineração de Dados na Identificação de Empresas Irregulares Quanto ao Pagamento de Impostos |
title_sort |
Mineração de Dados na Identificação de Empresas Irregulares Quanto ao Pagamento de Impostos |
author |
Nascimento, Rafaella Leandra Souza |
author_facet |
Nascimento, Rafaella Leandra Souza Santos, Pedro José Buarque Lins dos Santiago, Jorge Felipe Lessa Araújo, Bettina Cavalcanti Lima, Fernando Baptistella de Maciel, Alexandre Magno Andrade |
author_role |
author |
author2 |
Santos, Pedro José Buarque Lins dos Santiago, Jorge Felipe Lessa Araújo, Bettina Cavalcanti Lima, Fernando Baptistella de Maciel, Alexandre Magno Andrade |
author2_role |
author author author author author |
dc.contributor.author.fl_str_mv |
Nascimento, Rafaella Leandra Souza Santos, Pedro José Buarque Lins dos Santiago, Jorge Felipe Lessa Araújo, Bettina Cavalcanti Lima, Fernando Baptistella de Maciel, Alexandre Magno Andrade |
description |
Este artigo descreve o processo de descoberta de conhecimento utilizando base de dados da Secretaria da Fazenda de Pernambuco. As atividades desempenhadas consistem no pré-processamento dos dados, limpeza, mineração e avaliação dos resultados obtidos. O órgão governamental possui a necessidade de classificar e identificar perfis de empresas com maior potencial de se comportarem de maneira irregular em relação a legislação dos impostos estaduais. Portanto, o objetivo deste trabalho consistiu em aplicar algoritmos de Mineração de Dados, através das tarefas de classificação e clusterização. Os resultados apontam para uma maior taxa de acerto com o classificador Random Forests e identificou níveis de empresas nocivas na base de dados através dos algoritmos de clusterização. |
publishDate |
2018 |
dc.date.none.fl_str_mv |
2018-08-30 |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://revistas.poli.br/index.php/repa/article/view/932 10.25286/repa.v3i3.932 |
url |
http://revistas.poli.br/index.php/repa/article/view/932 |
identifier_str_mv |
10.25286/repa.v3i3.932 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
http://revistas.poli.br/index.php/repa/article/view/932/451 |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Escola Politécnica de Pernambuco |
publisher.none.fl_str_mv |
Escola Politécnica de Pernambuco |
dc.source.none.fl_str_mv |
Journal of Engineering and Applied Research; Vol 3 No 3 (2018): Edição Especial em Ciência de Dados e Analytics Revista de Engenharia e Pesquisa Aplicada; v. 3 n. 3 (2018): Edição Especial em Ciência de Dados e Analytics 2525-4251 10.25286/repa.v3i3 reponame:Revista de Engenharia e Pesquisa Aplicada instname:Universidade Federal de Pernambuco (UFPE) instacron:UFPE |
instname_str |
Universidade Federal de Pernambuco (UFPE) |
instacron_str |
UFPE |
institution |
UFPE |
reponame_str |
Revista de Engenharia e Pesquisa Aplicada |
collection |
Revista de Engenharia e Pesquisa Aplicada |
repository.name.fl_str_mv |
Revista de Engenharia e Pesquisa Aplicada - Universidade Federal de Pernambuco (UFPE) |
repository.mail.fl_str_mv |
||repa@poli.br |
_version_ |
1798035999269322752 |