Please use this identifier to cite or link to this item:
http://repositoriosenaiba.fieb.org.br/handle/fieb/1893
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.advisor | Cruz, Márcio Freire | - |
dc.contributor.author | Silva, Leonardo Melo Costa da | - |
dc.contributor.author | Cordeiro, Milena de Carvalho | - |
dc.date.accessioned | 2024-11-29T00:34:07Z | - |
dc.date.available | 2024-11-29T00:34:07Z | - |
dc.date.issued | 2024-08-21 | - |
dc.identifier.citation | SILVA, Leonardo Melo Costa da; CORDEIRO, Milena de Carvalho. Utilização de modelos de ML para classificação de solicitações de serviços de TIC. Orientador: Márcio Freire Cruz. 2024. 13 f. Artigo (Especialização em Data Science & Analytics) – Centro Universitário SENAI CIMATEC, Salvador, 2024. | pt_BR |
dc.identifier.uri | http://repositoriosenaiba.fieb.org.br/handle/fieb/1893 | - |
dc.description | "Todos os direitos reservados. É permitida a reprodução parcial ou total desta obra, desde que citada a fonte e que não seja para venda ou qualquer fim comercial." | pt_BR |
dc.description.abstract | MPBA users open their IT service calls via the system, whose description corresponds to a freely edited text in language natural. In this process, a type of problem arises which consists of the possibility of undue classification of these calls by human attendants, resulting in the establishment of a non-compliant SLA with demand. This work aims to present a proof of concept of the feasibility of using models of supervised machine learning for the automatic classification of call descriptions between the macroservices of the Service Center system YOU. Due to the nature of the aforementioned problem, Processing techniques will be presented natural language as well as machine models learning Random Forest, LSTM and BERT, among others. These tried models had about 80% of accuracy, which, together with other metrics, demonstrated good performance. Thus, constituting a possible solution of artificial intelligence for the problem of automatic classification of these texts from customer requests users | pt_BR |
dc.language.iso | pt_BR | pt_BR |
dc.subject | Random forest | pt_BR |
dc.subject | RNN | pt_BR |
dc.subject | Aprendizado de máquina | pt_BR |
dc.subject | Classificação | pt_BR |
dc.subject | BERT | pt_BR |
dc.subject | LSTM | pt_BR |
dc.subject | PLN | pt_BR |
dc.title | Utilização de modelos de ML para classificação de solicitações de serviços de TIC | pt_BR |
dc.type | Produção bibliográfica: Artigos aceitos para publicação | pt_BR |
dc.embargo.terms | Aberto | pt_BR |
dc.description.resumo | —Os usuários do MPBA abrem seus cha mados de serviços de TI via sistema, cuja descrição corresponde a um texto de livre edição em linguagem natural. Nesse processo, surge um tipo de problema que consiste na possibilidade de classificação indevida desses chamados por parte dos atendentes humanos, acarretando no estabelecimento de SLA em desacordo com a demanda. Este trabalho pretende apresentar uma prova de conceito da viabilidade de utilização dos modelos de aprendizado de máquina supervisionado para a classificação automática das descrições dos chamados entre os macrosserviços do sistema Central de Serviços de TI. Em virtude da natureza do problema mencionado, serão apresentadas técnicas de Processamento de linguagem natural, bem como os modelos de machine learning Random Forest, LSTM e BERT, entre outros. Esses modelos experimentados tiveram cerca de 80% de acurácia, que, em conjunto com outras métricas, revelaram um bom desempenho. Assim, constituindo-se como uma possível solução de inteligência artificial para o problema de classi ficação automática desses textos das solicitações dos usuários | pt_BR |
Appears in Collections: | Artigos (Pós-Graduação) Especialização em Data Science & Analytics |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
ARTIGO_LEONARDO MELO COSTA DA SILVA.pdf | ARTIGO / ESPECIALIZAÇÃO / SENAI CIMATEC | 1.22 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.