Aplicação de aprendizado de máquina para classificação de jurisprudências
| Nível educacional (dc.audience.educationLevel) | Especialização | pt_BR |
| Orientador(a) (dc.contributor.advisor) | Kuyven, Patrícia Sorgatto | |
| Lattes Orientador(a) (dc.contributor.advisorLattes) | http://lattes.cnpq.br/6151882981275524 | pt_BR |
| Autor(a) (dc.contributor.author) | Boiani , Fabiano Alberto | |
| Curso (dc.curso) | Especialização em Big Data, Data Science e Data Analytics | pt_BR |
| Data de Disponibilização (dc.date.accessioned) | 2021-09-22T21:55:33Z | |
| dc.date.available (dc.date.available) | 2021-09-22T21:55:33Z | |
| Data da defesa / Data do evento (dc.date.issued) | 2019-01-01 | |
| Abstract (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. | en |
| Resumo (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. | pt_BR |
| URI (dc.identifier.uri) | http://www.repositorio.jesuita.org.br/handle/UNISINOS/10162 | |
| Nome da instituição (dc.publisher) | Universidade do Vale do Rio dos Sinos | pt_BR |
| Assunto (dc.subject) | Classificação de jurisprudências | pt_BR |
| Assunto (dc.subject) | Linguagem de programação | pt_BR |
| Assunto (dc.subject) | Aprendizado de máquina supervisionado | pt_BR |
| Assunto (dc.subject) | Python | en |
| Assunto (dc.subject) | classifying jurisprudential | en |
| Assunto (dc.subject) | Programming language | en |
| Assunto (dc.subject) | Supervised machine learning | en |
| Título (dc.title) | Aplicação de aprendizado de máquina para classificação de jurisprudências | pt_BR |
| Tipo de arquivo (dc.type) | TCC | pt_BR |
Arquivos
Pacote original
1 - 1 de 1
Carregando...
- Nome:
- Fabiano Alberto Boiani_.pdf
- Tamanho:
- 17.9 MB
- Formato:
- Adobe Portable Document Format
- Descrição:
- aplicacao_aprendizado
Licença do pacote
1 - 1 de 1
Carregando...
- Nome:
- license.txt
- Tamanho:
- 2.12 KB
- Formato:
- Item-specific license agreed upon to submission
- Descrição: