Reconhecimento de entidades nomeadas baseado em Transformers aplicado no relacionamento textual de licitações públicas e publicações em Diários Oficiais

Abstract

O avanço no campo do Processamento de Linguagem Natural (PLN) tem proporcionado resultados significativos no reconhecimento de elementos textuais, desempenhando papel crucial em diversas atividades relacionadas à identificação e tratamento de conteúdo textual. Este trabalho de graduação aborda a necessidade de aprimorar as técnicas empregadas nesse processo, embora o reconhecimento de elementos textuais por meio do PLN tenha evoluído, a ausência de técnicas mais elaboradas e complexas é notória, sendo atribuída, em grande parte, às restrições de poder computacional. Devido à complexidade crescente das estruturas linguísticas e a vastidão dos dados textuais exigem abordagens mais avançadas para garantir a precisão e eficiência no processamento. No cenário brasileiro onde vastas quantidades de informações públicas circulam de maneira granular e desorganizada pelos três poderes, torna-se essencial a criação ou adaptação de técnicas para coletar e tratar informações relevantes para diversos setores da sociedade. Nesse contexto, destaca-se que a necessidade de aprimorar a capacidade de identificação e classificação de informações em grandes conjuntos de dados textuais é premente, especialmente em ambientes governamentais onde a transparência é crucial. Diante desse contexto, este trabalho propõe a realização de estudos e desenvolvimentos utilizando técnicas de alto desempenho e custo computacional baseadas em modelos Transformers para a realização do reconhecimento de entidades nomeadas por relação textual em licitações públicas e publicações em diários oficiais. A ênfase está na melhoria do processo de classificação de elementos textuais em informações públicas, com foco específico em licitações brasileiras. Dessa forma, este trabalho busca contribuir para a evolução das técnicas de reconhecimento de elementos textuais, proporcionando avanços significativos no tratamento de informações públicas, com potenciais benefícios para diversos setores da sociedade, especialmente no contexto das licitações brasileiras.