从电子发票上的商品描述中识别商品的机器学习模型

Alisson Emanuel Goes de Mendonça, L. Coutinho, Roberval Gomes Mariano
{"title":"从电子发票上的商品描述中识别商品的机器学习模型","authors":"Alisson Emanuel Goes de Mendonça, L. Coutinho, Roberval Gomes Mariano","doi":"10.5753/wcge.2022.222791","DOIUrl":null,"url":null,"abstract":"Uma dos aspectos limitantes de ações fiscais nas Notas Fiscais Eletrônicas é conseguir identificar a mercadoria a partir do campo de descrição do item, tanto pela variedade do conteúdo, dado que é de livre preenchimento, como pelo volume de informações gerado. Este artigo três modelos de Aprendizagem de Máquina aplicados no apresenta processamento desse campo: Árvore de Decisão, Rede Neural e KNN. Os experimentos demonstram que a Rede Neural entregou a melhor acurácia com o menor tempo de predição. Os dados utilizados são da base da SEFAZ/MA. Os resultados podem direcionar soluções de detecção de subfaturamento, isenções indevidas, correção da defasagem inflacionária da pauta fiscal, etc.","PeriodicalId":442049,"journal":{"name":"Anais do X Workshop de Computação Aplicada em Governo Eletrônico (WCGE 2022)","volume":"1997 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2022-07-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Modelos de Aprendizagem de Máquina para Identificação de Mercadorias a partir da Descrição do Item na Nota Fiscal Eletrônica\",\"authors\":\"Alisson Emanuel Goes de Mendonça, L. Coutinho, Roberval Gomes Mariano\",\"doi\":\"10.5753/wcge.2022.222791\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Uma dos aspectos limitantes de ações fiscais nas Notas Fiscais Eletrônicas é conseguir identificar a mercadoria a partir do campo de descrição do item, tanto pela variedade do conteúdo, dado que é de livre preenchimento, como pelo volume de informações gerado. Este artigo três modelos de Aprendizagem de Máquina aplicados no apresenta processamento desse campo: Árvore de Decisão, Rede Neural e KNN. Os experimentos demonstram que a Rede Neural entregou a melhor acurácia com o menor tempo de predição. Os dados utilizados são da base da SEFAZ/MA. Os resultados podem direcionar soluções de detecção de subfaturamento, isenções indevidas, correção da defasagem inflacionária da pauta fiscal, etc.\",\"PeriodicalId\":442049,\"journal\":{\"name\":\"Anais do X Workshop de Computação Aplicada em Governo Eletrônico (WCGE 2022)\",\"volume\":\"1997 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2022-07-31\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Anais do X Workshop de Computação Aplicada em Governo Eletrônico (WCGE 2022)\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.5753/wcge.2022.222791\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Anais do X Workshop de Computação Aplicada em Governo Eletrônico (WCGE 2022)","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.5753/wcge.2022.222791","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

摘要

电子发票中税务行为的一个限制方面是能够从项目描述字段中识别商品,这既是由于内容的多样性,因为它是免费填写的,也是由于生成的信息量。本文介绍了三种机器学习模型在这一领域的应用:决策树、神经网络和KNN。实验表明,神经网络在最短的预测时间内提供了最好的精度。使用的数据来自SEFAZ/MA数据库。结果可以指导解决方案,以检测低账单,不适当的豁免,纠正通货膨胀滞后的税收议程等。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
Modelos de Aprendizagem de Máquina para Identificação de Mercadorias a partir da Descrição do Item na Nota Fiscal Eletrônica
Uma dos aspectos limitantes de ações fiscais nas Notas Fiscais Eletrônicas é conseguir identificar a mercadoria a partir do campo de descrição do item, tanto pela variedade do conteúdo, dado que é de livre preenchimento, como pelo volume de informações gerado. Este artigo três modelos de Aprendizagem de Máquina aplicados no apresenta processamento desse campo: Árvore de Decisão, Rede Neural e KNN. Os experimentos demonstram que a Rede Neural entregou a melhor acurácia com o menor tempo de predição. Os dados utilizados são da base da SEFAZ/MA. Os resultados podem direcionar soluções de detecção de subfaturamento, isenções indevidas, correção da defasagem inflacionária da pauta fiscal, etc.
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信