Deep Vacuity : detecção e classificação automática de padrões com risco de conluio em dados públicos de licitações de obras

Detalhes bibliográficos
Autor(a) principal: Lima, Marcos Cavalcanti
Data de Publicação: 2021
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UnB
Texto Completo: https://repositorio.unb.br/handle/10482/42026
Resumo: Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2021.
id UNB_d961dc770b9681efcff2d2534e17b978
oai_identifier_str oai:repositorio.unb.br:10482/42026
network_acronym_str UNB
network_name_str Repositório Institucional da UnB
repository_id_str
spelling Deep Vacuity : detecção e classificação automática de padrões com risco de conluio em dados públicos de licitações de obrasReconhecimento de padrõesProcessamento de linguagem natural (Computação)Obras públicas - licitaçõesLicitação públicaDissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2021.A identificação de fraudes e conluios em licitações de obras públicas é uma tarefa man- ual dispendiosa dependente tanto de experiência profissional quanto de profundo conheci- mento técnico e legal. As bases de dados públicas, aliadas a dados de licitações e contratos previamente analisados por peritos criminais altamente capacitados, formaram a base de dados passível de ser analisada para a identificação de atos ilícitos. Neste trabalho é pro- posta uma metodologia para realizar a detecção e classificação automática de padrões de conluio em licitações públicas, utilizando como fontes os dados disponíveis nos principais repositórios oficiais públicos, agregando a utilização de técnicas de reconhecimento de padrões para a realização deste objetivo proposto. Em uma abordagem inicial, obteve-se com sucesso para a formação da base de dados do trabalho um total de 15.132.968 pub- licações da Seção 3 do Diário Oficial da União em formato de texto e 1.907 documentos como referência de indicativo de atividades de conluio (estes disponibilizados por institu- ição parceira) que indicavam risco no processo licitatório. Foram testados modelos lineares clássicos, redes neurais profundas, bottleneck, Bi-LSTM e multicanal com vetorização do texto com TF-IDF e DOC2VEC, e dados estruturados extraídos do texto. O melhor F1- score foi obtido com o modelo passive-aggressive com 93,4% e o modelo bottleneck obteve 93,0% com melhor precisão.Identifying fraud and collusion in public bids is an expensive manual task and de- pendent on professional experience using in-depth technical and legal knowledge. Public databases, allied to bidding and contract data previously analyzed by highly trained crim- inal experts, form the database that can be analyzed for irregularities identification. This work proposes a methodology for automatic detection and classification of collusion pat- terns in public bids text, using data sources available on main public official repositories and adding pattern recognition techniques to achieve a model that detects and classifies this pattern. In an initial approach, a total of 15, 132, 968 publications of the Diario Oficial da União news, Section 3, in text format and 1, 907 documents as a reference for collusion activities were successfully obtained for the formation of the central work database (pro- vided by a partner institution) that indicated risk in the bidding process. Classic linear models, deep neural networks, bottleneck, Bi-LSTM, and multichannel were tested with text vectorization with TF-IDF and DOC2VEC, and structured data extracted from the text. The best F1-score was obtained with a passive-aggressive model with 93.4%, but the bottleneck model obtained 93.0% with better precision.Vidal, Flávio de BarrosLima, Marcos Cavalcanti2021-09-03T14:35:39Z2021-09-03T14:35:39Z2021-09-032021-05-31info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfLIMA, Marcos Cavalcanti. Deep Vacuity: detecção e classificação automática de padrões com risco de conluio em dados públicos de licitações de obras. 2021. xiv, 112 f., il. Dissertação (Mestrado em Informática)—Universidade de Brasília, Brasília, 2021.https://repositorio.unb.br/handle/10482/42026A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UnBinstname:Universidade de Brasília (UnB)instacron:UNB2023-07-14T18:56:20Zoai:repositorio.unb.br:10482/42026Repositório InstitucionalPUBhttps://repositorio.unb.br/oai/requestrepositorio@unb.bropendoar:2023-07-14T18:56:20Repositório Institucional da UnB - Universidade de Brasília (UnB)false
dc.title.none.fl_str_mv Deep Vacuity : detecção e classificação automática de padrões com risco de conluio em dados públicos de licitações de obras
title Deep Vacuity : detecção e classificação automática de padrões com risco de conluio em dados públicos de licitações de obras
spellingShingle Deep Vacuity : detecção e classificação automática de padrões com risco de conluio em dados públicos de licitações de obras
Lima, Marcos Cavalcanti
Reconhecimento de padrões
Processamento de linguagem natural (Computação)
Obras públicas - licitações
Licitação pública
title_short Deep Vacuity : detecção e classificação automática de padrões com risco de conluio em dados públicos de licitações de obras
title_full Deep Vacuity : detecção e classificação automática de padrões com risco de conluio em dados públicos de licitações de obras
title_fullStr Deep Vacuity : detecção e classificação automática de padrões com risco de conluio em dados públicos de licitações de obras
title_full_unstemmed Deep Vacuity : detecção e classificação automática de padrões com risco de conluio em dados públicos de licitações de obras
title_sort Deep Vacuity : detecção e classificação automática de padrões com risco de conluio em dados públicos de licitações de obras
author Lima, Marcos Cavalcanti
author_facet Lima, Marcos Cavalcanti
author_role author
dc.contributor.none.fl_str_mv Vidal, Flávio de Barros
dc.contributor.author.fl_str_mv Lima, Marcos Cavalcanti
dc.subject.por.fl_str_mv Reconhecimento de padrões
Processamento de linguagem natural (Computação)
Obras públicas - licitações
Licitação pública
topic Reconhecimento de padrões
Processamento de linguagem natural (Computação)
Obras públicas - licitações
Licitação pública
description Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2021.
publishDate 2021
dc.date.none.fl_str_mv 2021-09-03T14:35:39Z
2021-09-03T14:35:39Z
2021-09-03
2021-05-31
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv LIMA, Marcos Cavalcanti. Deep Vacuity: detecção e classificação automática de padrões com risco de conluio em dados públicos de licitações de obras. 2021. xiv, 112 f., il. Dissertação (Mestrado em Informática)—Universidade de Brasília, Brasília, 2021.
https://repositorio.unb.br/handle/10482/42026
identifier_str_mv LIMA, Marcos Cavalcanti. Deep Vacuity: detecção e classificação automática de padrões com risco de conluio em dados públicos de licitações de obras. 2021. xiv, 112 f., il. Dissertação (Mestrado em Informática)—Universidade de Brasília, Brasília, 2021.
url https://repositorio.unb.br/handle/10482/42026
dc.language.iso.fl_str_mv por
language por
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.source.none.fl_str_mv reponame:Repositório Institucional da UnB
instname:Universidade de Brasília (UnB)
instacron:UNB
instname_str Universidade de Brasília (UnB)
instacron_str UNB
institution UNB
reponame_str Repositório Institucional da UnB
collection Repositório Institucional da UnB
repository.name.fl_str_mv Repositório Institucional da UnB - Universidade de Brasília (UnB)
repository.mail.fl_str_mv repositorio@unb.br
_version_ 1814508257353400320

Registros relacionados