RDBU| Repositório Digital da Biblioteca da Unisinos
Aplicação de aprendizado de máquina para classificação de jurisprudências
JavaScript is disabled for your browser. Some features of this site may not work without it.
| metadataTrad.dc.contributor.author | Boiani , Fabiano Alberto; |
| metadataTrad.dc.contributor.advisor | Kuyven, Patrícia Sorgatto; |
| metadataTrad.dc.contributor.advisorLattes | http://lattes.cnpq.br/6151882981275524; |
| metadataTrad.dc.publisher | Universidade do Vale do Rio dos Sinos; |
| metadataTrad.dc.title | Aplicação de aprendizado de máquina para classificação de jurisprudências; |
| metadataTrad.dc.description.resumo | Pesquisa e implementação de um serviço web capaz de classificar uma ementa jurisprudencial quanto ao seu resultado, provido ou desprovido. Utilizando a linguagem de programação python, foi desenvolvido um modelo de aprendizado de máquina supervisionado, o qual foi treinado através da utilização de uma base de jurisprudências pré-definida com seus respectivos resultados. Para isso, foram selecionados alguns algoritmos de aprendizado de máquina a fim de definir qual possui um melhor desempenho: Bayes Ingênuo, Floresta Aleatória e K-Vizinhos mais próximos. Após uma avaliação quanto ao desempenho desses algoritmos, foi o escolhido o modelo baseado no algoritmo de Floresta Aleatória, por ter uma melhor performance quanto à assertividade.; |
| metadataTrad.dc.description.abstract | Research and implementation of a web service capable of classifying jurisprudential summaries as to its result, provided or unprovided. Using the python programming language, a supervised machine learning model was developed, which was trained through the use of a predefined jurisprudence base with their respective results. For this, some machine learning algorithms were selected in order to define which one has the best performance: Naive Bayes, Random Forest and K-Nearest Neighbors. After an evaluation of the performance of these algorithms, it was chosen the model based on the Random Forest algorithm, because it has a better performance regarding assertiveness.; |
| metadataTrad.dc.subject | Classificação de jurisprudências; Linguagem de programação; Aprendizado de máquina supervisionado; Python; classifying jurisprudential; Programming language; Supervised machine learning; |
| metadataTrad.dc.type | TCC; |
| metadataTrad.dc.date.issued | 2019-01-01; |
| metadataTrad.dc.identifier.uri | http://www.repositorio.jesuita.org.br/handle/UNISINOS/10162; |
| metadataTrad.dc.audience.educationLevel | Especialização; |
| metadataTrad.dc.curso | Especialização em Big Data, Data Science e Data Analytics; |
Files in this item
This item appears in the following Collection(s)
-
Lato Senso ( Especialização/MBA/MBE/Pós-MBA ) [392]
Lato Senso ( Especialização/MBA/MBE/Pós-MBA )