Uma equipe de auditoria fiscal da SEFAZ Nacional precisa analisar um grande volume de documentos textuais não estruturados (contratos, notas fiscais, petições) para identificar automaticamente menções a empresas, valores monetários e datas, além de agrupar documentos semanticamente similares para detecção de fraudes. Para isso, a equipe planeja empregar técnicas de Processamento de Linguagem Natural (PLN).
Considerando as técnicas de classificação, extração de informações, reconhecimento de entidades nomeadas (NER), similaridade, busca semântica e sumarização, avalie as afirmativas a seguir:
- Na extração de informações, a tarefa de NER é suficiente para identificar relações entre entidades, como a associação entre uma empresa e um valor monetário em um contrato.
- A similaridade semântica entre documentos pode ser calculada utilizando representações vetoriais densas (embeddings) obtidas por modelos como BERT, que capturam o contexto das palavras, superando abordagens baseadas em frequência de termos como TF-IDF.
- A sumarização extrativa seleciona e reordena frases do texto original, enquanto a sumarização abstractiva gera novas frases, podendo produzir informações não presentes literalmente no texto fonte.
- Na classificação de documentos, o uso de modelos de aprendizado supervisionado requer um conjunto de dados rotulado, mas técnicas de aprendizado não supervisionado, como agrupamento (clustering), podem ser usadas para descobrir categorias latentes sem rótulos pré-definidos.
Estão corretas apenas as afirmativas:
