Avaliação experimental de um classificador para apoiar a detecção de fraudes em notas fiscais públicas de medicamentos

Objetivo do estudo: Desenvolver e avaliar a eficácia de um classificador hierárquico customizado, no contexto de Notas Fiscais Eletrônicas Públicas de medicamentos, analisadas pelo Ministério Público (MP), Grupo de Atuação Especial de Combate ao Crime Organizado (GAECO) e Secretaria da Fazenda Estaduais.Metodologia/abordagem: Após o desenvolvimento e a parametrização inicial do classificador proposto, foi executado um experimento controlado com notas fiscais públicas custodiadas pelo MP, respeitando o sigilo fiscal dos envolvidos.Originalidade/relevância: O problema de descrições de Notas Fiscais incongruentes é nacional e as soluções gerais publicadas na literatura não apresentam uma altíssima precisão. Neste sentido, o trabalho apresenta a implementação de um classificador de texto capaz de identificar descrições de medicamentos, suas subclasses hierárquicas e associações presentes em Notas Fiscais Eletrônicas Públicas, cujo resultado servirá para construção de análises e investigações que apoiarão decisões estratégicas.Principais resultados: Considerando a significância estatística, o classificador foi capaz de identificar as descrições de medicamentos e suas subclasses hierárquicas, com os seguintes resultados médios: acurácia de 99.81%, precisão de 100%, revocação ou sensibilidade de 99.64% e medida-F1 de 99.82%.Contribuições teóricas/metodológicas: Foi esmiuçado o problema de reconhecimento incorreto de produtos em Notas Fiscais, facilitando discussões e construções de novas propostas. Além disso, foi apresentada uma solução prática baseada em Mineração de Textos, evidenciando o algoritmo que obteve a melhor eficácia para automatizar a extração das subclasses hierárquicas das descrições dos medicamentos e identificá-las, viabilizando investigações e detecção de fraudes.