@MASTERSTHESIS{ 2017:492278701,
 	title = {MINERAÇÃO DE DADOS APLICADA À CLASSIFICAÇÃO DOS CONTRIBUINTES DE ICMS DA SEFAZ-GO},
 	year = {2017},
 	url = "http://tede2.pucgoias.edu.br:8080/handle/tede/3892",
 	abstract = "Com o aumento exponencial do volume de dados armazenados e o alto potencial de
 conhecimento oculto nesses dados que pode auxiliar nas estratégias e nas tomadas de
 decisão das organizações, muito vem se investido em tecnologia da informação e
 telecomunicação. A presente dissertação teve como objetivo aplicar o processo de
 Descoberta do Conhecimento em Base de Dados (DCBD) a fim de classificar os
 contribuintes de ICMS da SEFAZ-GO em Alto Sonegador e Baixo Sonegador, por meio
 da tarefa de mineração de dados Classificação Supervisionada, implementada pelo
 algoritmo J48, na plataforma computacional WEKA. Foram realizados 3 experimentos
 com uma amostra de dados de contribuintes de ICMS do setor atacadista do município de
 Goiânia-GO, com atributos selecionados a partir do Código do Tributário do Estado de
 Goiás. Durante os experimentos foram aplicados os algoritmos AttributeSelection e
 Discretize, para a redução de atributos e transformação das variáveis contínuas em
 discretas, respectivamente. Os índices estatísticos Matriz de Confusão e Coeficiente de
 Kappa foram utilizados como métricas de validação do modelo proposto. Após cada
 experimento, regras de classificação foram extraídas formando assim o modelo preditivo
 proposto de classificação. Obteve-se, no melhor cenário, uma taxa de classificação
 correta de 84% de acerto. A mineração de dados é uma realidade dentro de muitas
 organizações e pode ser uma forte aliada no cumprimento da, nada trivial, tarefa de
 descoberta de conhecimento nas bases de dados corporativas.",
 	publisher = {Pontifícia Universidade Católica de Goiás},
 	scholl = {Programa de Pós-Graduação STRICTO SENSU em Engenharia de Produção e Sistemas},
 	note = {Escola de Engenharia::Curso de Engenharia de Produção}
}