Classificação do conteúdo de documentos contábeis usando aprendizagem de máquina: o caso dos fatos relevantes

• Main Authors: Roberto Ternes Arrial, César Augusto Tibúrcio Silva, Bruuna Hisla da Silva Sena
• Format: Article
• Language: English
• Published: Conselho Federal de Contabilidade (CFC) 2010-08-01
• Series: Revista de Educação e Pesquisa em Contabilidade
• Subjects: Aprendizado de máquinal; Aprendizado bayesiano; Fatos relevantes; Análise de conteúdo
• Online Access: http://www.repec.org.br/index.php/repec/article/view/199/79

A análise de conteúdo de textos narrativos tem sido estudada, nos últimos anos, com mais frequência. Em diversos trabalhos, verifica-se a pesquisa com relação a sua legibilidade, compreensibilidade e o nível de otimismo, neutralidade e pessimismo. Porém, a análise de classificação quanto a tendências otimistas, pessimistas e neutras tem sido feita de forma muito trabalhosa, pois demanda uma análise humana dos textos, justificando a criação de uma análise de textos de forma mais rápida e objetiva, além da tentativa de eliminação da subjetividade. Diante disso, o objetivo deste trabalho é propor uma classificação automática de fatos relevantes contábeis, fazendo-se uma análise do conteúdo de textos narrativos, com a utilização de ferramentas computacionais de leitura e classificação de textos. A ideia é procurar contribuir com um exemplo de aplicação de aprendizado de máquina à Ciência Contábil. Esta análise utilizou-se de fatos relevantes já analisados anteriormente no trabalho de Pereira e Silva (2008). Os fatos já classificados foram utilizados como conjunto de treinamento para o programa, para que assim ele pudesse classificar outros dados desconhecidos, não classificados.