发票上OPMEs分类器的概念证明

W. Gomes, Methanias Colaço Júnior, R. Fontes, R. Silva, B.Q.M. Nunes, Caldeira Silva, J. Paiva, Ricardo Valetim
{"title":"发票上OPMEs分类器的概念证明","authors":"W. Gomes, Methanias Colaço Júnior, R. Fontes, R. Silva, B.Q.M. Nunes, Caldeira Silva, J. Paiva, Ricardo Valetim","doi":"10.5753/sbcas_estendido.2023.231487","DOIUrl":null,"url":null,"abstract":"Contexto: Apesar do avanço da tecnologia, muitos serviços e sistemas de informação, especialmente no setor público, ainda utilizam descrições não estruturadas em linguagem natural de produtos, serviços ou eventos, dificultando suas classificações e análises. Para auditorias eficientes, é necessário classificar e totalizar automaticamente faturas emitidas para compra de produtos. Objetivo: Avaliar preliminarmente uma ferramenta, baseada em Inteligência Artificial (IA), o OPMinEr, para selecionar e classificar notas fiscais de OPMEs (Órteses, Próteses e Materiais Especiais). Método: Prova de conceito do OPMinEr. Resultados: Com uma acurácia de 99%, os resultados mostraram que é possível identificar e classificar OPMEs em notas fiscais. Conclusão: O uso de IA ajudou a mitigar o problema de classificação de notas, beneficiando processos de auditoria, investigação e combate à corrupção na área de saúde.","PeriodicalId":354386,"journal":{"name":"Anais Estendidos do XXIII Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2023)","volume":"55 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2023-06-27","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Prova de Conceito de um Classificador de OPMEs em Notas Fiscais\",\"authors\":\"W. Gomes, Methanias Colaço Júnior, R. Fontes, R. Silva, B.Q.M. Nunes, Caldeira Silva, J. Paiva, Ricardo Valetim\",\"doi\":\"10.5753/sbcas_estendido.2023.231487\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Contexto: Apesar do avanço da tecnologia, muitos serviços e sistemas de informação, especialmente no setor público, ainda utilizam descrições não estruturadas em linguagem natural de produtos, serviços ou eventos, dificultando suas classificações e análises. Para auditorias eficientes, é necessário classificar e totalizar automaticamente faturas emitidas para compra de produtos. Objetivo: Avaliar preliminarmente uma ferramenta, baseada em Inteligência Artificial (IA), o OPMinEr, para selecionar e classificar notas fiscais de OPMEs (Órteses, Próteses e Materiais Especiais). Método: Prova de conceito do OPMinEr. Resultados: Com uma acurácia de 99%, os resultados mostraram que é possível identificar e classificar OPMEs em notas fiscais. Conclusão: O uso de IA ajudou a mitigar o problema de classificação de notas, beneficiando processos de auditoria, investigação e combate à corrupção na área de saúde.\",\"PeriodicalId\":354386,\"journal\":{\"name\":\"Anais Estendidos do XXIII Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2023)\",\"volume\":\"55 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2023-06-27\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Anais Estendidos do XXIII Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2023)\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.5753/sbcas_estendido.2023.231487\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Anais Estendidos do XXIII Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2023)","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.5753/sbcas_estendido.2023.231487","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

摘要

背景:尽管技术进步,许多服务和信息系统,特别是在公共部门,仍然使用非结构化的自然语言描述产品、服务或事件,使其分类和分析变得困难。为了有效的审计,有必要自动分类和汇总为购买产品而开具的发票。摘要目的:初步评价一种基于人工智能(ai)的OPMinEr工具,用于选择和分类OPMEs(矫形器、假体和特殊材料)的发票。方法:OPMinEr概念验证。结果:准确率为99%,结果表明,在发票中识别和分类OPMEs是可能的。结论:人工智能的使用有助于缓解评级问题,有利于卫生领域的审计、调查和反腐败过程。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
Prova de Conceito de um Classificador de OPMEs em Notas Fiscais
Contexto: Apesar do avanço da tecnologia, muitos serviços e sistemas de informação, especialmente no setor público, ainda utilizam descrições não estruturadas em linguagem natural de produtos, serviços ou eventos, dificultando suas classificações e análises. Para auditorias eficientes, é necessário classificar e totalizar automaticamente faturas emitidas para compra de produtos. Objetivo: Avaliar preliminarmente uma ferramenta, baseada em Inteligência Artificial (IA), o OPMinEr, para selecionar e classificar notas fiscais de OPMEs (Órteses, Próteses e Materiais Especiais). Método: Prova de conceito do OPMinEr. Resultados: Com uma acurácia de 99%, os resultados mostraram que é possível identificar e classificar OPMEs em notas fiscais. Conclusão: O uso de IA ajudou a mitigar o problema de classificação de notas, beneficiando processos de auditoria, investigação e combate à corrupção na área de saúde.
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
自引率
0.00%
发文量
0
期刊最新文献
Ferramenta de ensino para construção de casos clínicos do tipo Paciente Virtual Avaliação de um Exergame para a Telerreabilitação de Pacientes Generation and Uncertainty Quantification of Patient-specific Purkinje Network Models Classification of Coronary Calcifications using Deep Learning Approach: A Feasibility Study with the orCaScore Database Simulação de miócito único via acoplamento de modelos massa-mola e eletromecânico
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1