| dc.contributor | VASCONCELOS, Germano Crispim | |
| dc.creator | SIMÕES, Adriana Carla Araújo | |
| dc.date | 2014-06-12T15:50:25Z | |
| dc.date | 2014-06-12T15:50:25Z | |
| dc.date | 2008-01-31 | |
| dc.identifier | Carla Araújo Simões, Adriana; Crispim Vasconcelos, Germano. Mineração de dados baseada em árvores de decisão para análise do perfil de contribuintes. 2008. Dissertação (Mestrado). Programa de Pós-Graduação em Ciência da Computação, Universidade Federal de Pernambuco, Recife, 2008. | |
| dc.identifier | https://repositorio.ufpe.br/handle/123456789/1476 | |
| dc.description | Um dos principais problemas enfrentados por órgãos públicos
atualmente está associado à ineficiência no uso de informações contidas em
grandes volumes de dados para a gestão e otimização de recursos públicos nos
procedimentos de tomada de decisão. Em particular, um dos problemas
enfrentados por órgãos reguladores como secretarias de fazenda de Estados é
como identificar comportamentos fraudulentos e de sonegação fiscal por parte de
contribuintes.
A Descoberta de Conhecimento em Bases de Dados (KDD) tem sido
cada vez mais explorada como uma ferramenta poderosa na otimização dos
procedimentos de tomada de decisão e na extração automática de informações
escondidas nos dados de corporações. Em particular, técnicas baseadas em
árvores de decisão têm sido investigadas e aplicadas como uma das opções de
ferramental tecnológico em problemas de mineração de dados pela sua
simplicidade e facilidade de interpretação do conhecimento descoberto, que é
próximo da linguagem humana.
Neste trabalho, árvores de decisão baseadas nos algoritmos ID3,
SPRINT e SLIQ são investigadas e comparadas para a solução do problema de
análise do perfil de contribuintes com respeito à sonegação fiscal em uma
situação complexa em larga escala envolvendo um grande número de variáveis e
dados corporativos da Secretaria da Fazenda do Estado de Pernambuco (SEFAZPE).
Os resultados obtidos objetivamente com os modelos investigados
quanto à precisão das árvores construídas, interpretação do conhecimento
minerado e extração de novos conhecimentos ao domínio do problema mostraram
desempenho satisfatório na tarefa de classificação dos contribuintes quanto a
irregularidades nos compromissos de pagamentos fiscais. A solução desenvolvida
foi também analisada e validada subjetivamente por especialistas do domínio
(auditores fiscais), que demonstraram aceitação no trabalho realizado e
comprovando a viabilidade e relevância do uso da mineração de dados no
processo de análise do perfil de contribuintes | |
| dc.format | application/pdf | |
| dc.language | por | |
| dc.publisher | Universidade Federal de Pernambuco | |
| dc.subject | Descoberta de conhecimento
em Banco de Dados (DCBD) | |
| dc.subject | Árvores de decisão | |
| dc.subject | Mineração de Dados | |
| dc.title | Mineração de dados baseada em árvores de decisão para análise do perfil de contribuintes | |
| dc.type | masterThesis | |
