Compartilhamento |
|
Use este identificador para citar ou linkar para este item:
https://tedebc.ufma.br/jspui/handle/tede/tede/3989
Tipo do documento: | Dissertação |
Título: | Aplicação de Rede Neural Colaborativa à Classificação de Consumidores de Serviços Públicos |
Título(s) alternativo(s): | Application of Collaborative Neural Network to Classification of Public Service Consumers |
Autor: | JESUS, Lucas Gabriel Rezende de |
Primeiro orientador: | TEIXEIRA, Mário Antonio Meireles |
Primeiro coorientador: | ALMEIDA NETO, Areolino de |
Primeiro membro da banca: | TEIXEIRA, Mário Antonio Meireles |
Segundo membro da banca: | ALMEIDA NETO, Areolino de |
Terceiro membro da banca: | CARMONA CORTÊS, Omar Andrés |
Quarto membro da banca: | ISHII, Renato Porfirio |
Resumo: | Nos anos 20, o estado brasileiro iniciou um processo de descentralização política e econômica que trouxe como uma das principais consequências a concessão a empresas privadas do direito de desenvolver e explorar economicamente um serviço público, responsabilidade até então única e exclusiva do Estado. Desde então, essas concessionárias buscam equilibrar a prestação do serviço público equânime e de qualidade com o processo de arrecadação inerente a toda companhia. No intuito de oferecer parâmetros que tragam mais objetividade nesse processo, neste trabalho é proposta uma metodologia para classificação do perfil de risco de inadimplência dos consumidores. É apresentado o uso da rede neural profunda colaborativa, CollabNet, em uma base de dados de clientes de uma concessionária de serviços públicos. A metodologia apresentou resultados promissores como acurácia de 88,1%, sensibilidade de 93,9% e valor preditivo negativo de 93,1%. Ainda é aventada a incorporação de novas características acerca dos consumidores como aspectos geográficos e renda familiar no intuito de melhorar os resultados obtidos. |
Abstract: | In the 1920s the brazilian state instituted a political and economic decentralization process, one of the main consequences of which was a concession to private companies of the right to economically develop and explore a public service, until then was the sole and exclusive responsibility of the State. Since then, these concessionaires have search to balance the provision of equitable and quality public service with the collection process inherent to every company. In order to offer parameters that bring more objectivity to this process, in this work we propose a methodology for classifying the default risk profile of consumers. The use of the deep collaborative neural network, CollabNet is presented in a customer database of a utility company. The methodology presents promising results such as an accuracy of 88.1 %, a sensitivity of 93.9 % and a negative predictive value of 93.1 %. It is still suggested an incorporation of new characteristics about consumers such as geographic aspects and family income in order to improve the results obtained. |
Palavras-chave: | concessionárias de serviço público; classificação de risco; CollabNet; aprendizagem profunda public service concessionaires; credit scoring; CollabNet; deep learning |
Área(s) do CNPq: | Sistemas de Computação |
Idioma: | por |
País: | Brasil |
Instituição: | Universidade Federal do Maranhão |
Sigla da instituição: | UFMA |
Departamento: | DEPARTAMENTO DE INFORMÁTICA/CCET |
Programa: | PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO/CCET |
Citação: | JESUS, Lucas Gabriel Rezende de. Aplicação de Rede Neural Colaborativa à Classificação de Consumidores de Serviços Públicos. 2021. 57 f. Dissertação( Programa de Pós-Graduação em Ciência da Computação/CCET) - Universidade Federal do Maranhão, São Luis, 2021. |
Tipo de acesso: | Acesso Aberto |
URI: | https://tedebc.ufma.br/jspui/handle/tede/tede/3989 |
Data de defesa: | 26-Out-2021 |
Aparece nas coleções: | DISSERTAÇÃO DE MESTRADO - PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Lucas_Gabriel.pdf | Dissertação de Mestrado | 14,94 MB | Adobe PDF | Baixar/Abrir Pré-Visualizar |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.