
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Varela, Paulo Júnior | - |
| Autor(es): dc.contributor | Albonico, Michel | - |
| Autor(es): dc.contributor | Rohling, Adair José | - |
| Autor(es): dc.contributor | Varela, Paulo Júnior | - |
| Autor(es): dc.creator | Rossoni, Roger Alexandre | - |
| Data de aceite: dc.date.accessioned | 2026-08-11T10:57:11Z | - |
| Data de disponibilização: dc.date.available | 2026-08-11T10:57:11Z | - |
| Data de envio: dc.date.issued | 2026-04-16 | - |
| Data de envio: dc.date.issued | 2026-04-16 | - |
| Data de envio: dc.date.issued | 2024-01-17 | - |
| Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/40175 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1185527 | - |
| Descrição: dc.description | Text classification is an area of application of machine learning that has gained increasing importance, especially after the spread of computers, with the use of digital documents, and the internet, especially with the growth of social networks. Despite the availability of data, given the lack of standardization in the description of items, municipalities are unable to identify their consumption of certain items, or categories of items. As a result, they are unable to plan adequately, making the public budget less efficient. The objective of the work is to develop short text classifiers to classify items tendered by municipalities in Paraná. In summary, the results obtained in this study highlight the effectiveness of KNN in classifying bid items based on their descriptions. The KNN TF-IDF Model presented the best performance, with an accuracy of 85.21% on the test basis. KNN’s superior performance highlights its ability to capture close relationships in feature spaces, proving it to be a promising choice for similar tasks in municipal bidding contexts. Furthermore, it is worth highlighting that the SVM and NB models also demonstrated promising results, indicating the feasibility of alternative approaches in the classification of tendered items. It is noteworthy that the models that used the LSA and LDA feature extraction methods did not present inferior results to the models that used BoW and TF-IDF. Thus, the results indicate that using LSA and LDA for feature extraction is possibly not an efficient approach for the task proposed in this work. | - |
| Descrição: dc.description | A classificação de textos é uma área de aplicação de aprendizado de máquina que tem ganhado cada vez mais importância, especialmente após a difusão dos computadores, com uso de documentos digitais, e da internet, em especial com o crescimento das redes sociais. Apesar de existirem dados disponíveis, dada a falta de padronização na descrição dos itens, os municípios não conseguem identificar qual seu consumo em determinados itens, ou categorias de itens. Por consequência, não conseguem se planejar de forma adequada, tornando o orçamento público menos eficiente. O trabalho tem como objetivo desenvolver classificadores de textos curtos para classificação dos itens licitados pelos municípios paranaenses. Em síntese, os resultados obtidos neste estudo destacam a eficácia do KNN na classificação de itens licitados com base em suas descrições. O Modelo KNN TF-IDF apresentou o melhor desempenho, com acurácia de 85,21% na base de teste. O desempenho superior do KNN ressalta sua capacidade de capturar relações próximas nos espaços de características, evidenciando-se como uma escolha promissora para tarefas semelhantes em contextos de licitações municipais. Além disso, merece destaque que os modelos SVM e NB também demonstraram resultados promissores, indicando a viabilidade de abordagens alternativas no âmbito da classificação de itens licitados. Salienta-se que o os modelos que utilizaram os métodos LSA e LDA de extração de características não apresentaram resultados inferiores aos modelos que utilizaram BoW e TF-IDF. Desse modo, os resultados indicam que a utilização de LSA e LDA para extração de característica possivelmente não é abordagem eficiente para a tarefa proposta neste trabalho. | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | pt_BR | - |
| Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
| Publicador: dc.publisher | Dois Vizinhos | - |
| Publicador: dc.publisher | Brasil | - |
| Publicador: dc.publisher | Especialização em Ciência de Dados | - |
| Publicador: dc.publisher | UTFPR | - |
| Direitos: dc.rights | openAccess | - |
| Direitos: dc.rights | http://creativecommons.org/licenses/by-sa/4.0/ | - |
| Palavras-chave: dc.subject | Aprendizado do computador | - |
| Palavras-chave: dc.subject | Licitação pública | - |
| Palavras-chave: dc.subject | Algorítmos computacionais | - |
| Palavras-chave: dc.subject | Machine learning | - |
| Palavras-chave: dc.subject | Letting of contracts | - |
| Palavras-chave: dc.subject | Computer algorithms | - |
| Palavras-chave: dc.subject | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | - |
| Título: dc.title | Classificação de itens em compras públicas com uso de algoritmos de aprendizagem de maquina | - |
| Título: dc.title | Classification of items in public purchases with use of machine learning algorithms | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: