Análise de sentimentos para revisão de pagamentos: proposta de um modelo com base em técnicas de aprendizagem de máquina

• Ano de defesa: 2024
• Autor(a) principal: Sacramento, E. S.
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Centro Universitário FEI, São Paulo
• Palavras-chave em Português: Cobrança de contas
• Link de acesso: https://repositorio.fei.edu.br/handle/FEI/5626; https://doi.org/10.31414/ADM.2024.T.131930

A presente tese investiga a aplicação da análise de sentimentos em interações de cobrança para prever a probabilidade de pagamento de dívidas. A pesquisa compara modelos de escore de crédito, desde as abordagens tradicionais até as técnicas avançadas de aprendizado de máquina e análise de sentimentos, revelando como variáveis de sentimentos e demográficas podem aprimorar a precisão das previsões. O estudo utiliza dados textuais provenientes de mensagens de chat trocadas entre cobradores e devedores, aplicando técnicas de processamento de linguagem natural (PLN) e mineração de textos para identificar padrões e prever comportamentos de pagamento. O ineditismo da tese está na integração de variáveis de sentimentos e demográficas na recuperação de crédito, oferecendo uma abordagem mais humanizada e personalizada, ajustada ao perfil de cada devedor. Além disso, a pesquisa utiliza inteligência artificial (IA) generativa para a geração de códigos em Python, facilitando o desenvolvimento de modelos complexos e adaptativos. Os resultados indicam que a inclusão de sentimentos e dados demográficos nos modelos preditivos melhora significativamente a eficácia das estratégias de cobrança, destacando desafios como a qualidade dos dados e a necessidade de técnicas sofisticadas para o tratamento de grandes volumes de dados textuais. A pesquisa sugere novas direções para estudos futuros, especialmente na exploração de dados não estruturados na recuperação de crédito