A NCM é uma Nomenclatura regional para categorização de mercadorias adotada por países do Mercosul. Essa nomenclatura divide produtos usando 8 dígitos, separados em 4 partes, Capítulo, Posição, Subposição e item/Subitem. Há indícios que cerca de 30% das mercadorias enviadas globalmente estão com seu código errado por ser um processo manual. Esse trabalho tem como objetivo desenvolver um processo para classificar as descrições textuais dos produtos presentes nas Notas Ficais eletrônicas (NF-e). A classificação foi feita utilizando as técnicas de Processamento de Linguagem Natural (PLN) e testada usando 2 diferentes algoritmos de aprendizado de máquina, Máquina de Vetores de Suporte (SVM) e Naive Bayes. Para os experimentos foi usada uma base de dados de 340.000 produtos distintos. Dividimos o processo em 4 modelos de classificação, feitos para classificar as 4 partes da NCM. Os dados foram divididos em 80% treinamento e 20% teste e Obteve-se um acurácia de 89% para um total de 98 classes dos 2 primeiros dígitos, e 76% de utilizando uma técnica de cascata para classificar os 8 dígitos.
Este artigo tem como objetivo central realizar uma breve discussão das possibilidades diplomáticas e estratégias de paz entre o Império do Brasil e as Províncias Unidas do Rio da Prata no conflito cisplatino. Para isso, utilizamos como documentação a ser investigada algumas correspondências diplomáticas trocadas entre os ministros dos negócios estrangeiros de ambos os governos sob a mediação dos representantes ingleses e documentos preliminares que foram base para a redação oficial da Convenção Preliminar de Paz, realizada em 29 de agosto de 1828, documento que selou definitivamente a guerra. Pretendemos abordar os diferentes discursos diplomáticos encabeçados por cada um dos governos sobre a província Cisplatina sobretudo a região do Rio da Prata, bem como as resoluções de fronteiras, uma das pautas diplomáticas centrais debatidas no desfecho da guerra.
Com a evolução das unidades de processamento gráfico (GPU), as aplicações de computação paralela estão se tornando cada vez mais complexas. Prever o desempenho dessas aplicações ajuda desenvolvedores a otimizar seus algoritmos e a escalonadores na distribuição de seus trabalhos. Neste trabalho, foi realizado uma predição do desempenho de aplicações CUDA usando aprendizado de máquina e características de pré-execução. Foram usados dados de execuções de 9 aplicações CUDA sobre 8 GPUs. Utilizou-se dois técnicas de aprendizado de máquina RandomForest e Decision Tree, mostrou-se que os modelos criados apresentaram uma média ente 1,41% e 2,14% de erro de predição no tempo de execução, respectivamente.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
customersupport@researchsolutions.com
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.