Clusterização de precedentes de IRPJ no CARF

Autores

DOI:

https://doi.org/10.11606/issn.1982-6486.rco.2023.197181

Palavras-chave:

Tributação de rendimentos corporativos, Clusterização, Jurisprudência tributária, Conselho Administrativo de Recursos Fiscais

Resumo

O objetivo deste estudo foi agrupar acórdãos do Conselho Administrativo de Recursos Fiscais (CARF) relacionados ao Imposto de Renda Pessoa Jurídica (IRPJ), prolatados entre 2016 e 2020, empregando técnicas de aprendizado de máquina (ML) para a clusterização de documentos textuais. A análise resultou em 13 clusters exclusivos, um achado inédito na literatura contábil tributária no Brasil. Essa identificação é relevante para o CARF, contribuintes, administração tributária e profissionais contábeis e tributaristas envolvidos em questões contábeis e tributárias relacionadas ao IRPJ. Os algoritmos de ML utilizados mostraram-se eficientes na resolução de problemas complexos de processamento de linguagem natural (PLN), como criar representações vetoriais de termos e identificar temáticas em dados não estruturados, fornecendo contribuições valiosas para o entendimento de matérias controversas no IRPJ à luz da jurisprudência administrativa. A clusterização de precedentes se traduz em maior acessibilidade e análise de padrões nos julgamentos, facilitando a tomada de decisões na contabilidade tributária.

Downloads

Não há dados estatísticos.

Referências

Borcan, M. (2020, junho 8). TF-IDF Explained And Python Sklearn Implementation. Medium. https://towardsdatascience.com/tf-idf-explained-and-python-sklearn-implementation-b020c5e83275

Calambás, M. A., Ordóñez, A., Chacón, A., & Ordoñez, H. (2015). Judicial precedents search supported by natural language processing and clustering. 2015 10th Computing Colombian Conference (10CCC), 372–377. https://doi.org/10.1109/ColumbianCC.2015.7333448

Oliveira, R. S., & Nascimento, E. G. S. (2021). Clustering by Similarity of Brazilian Legal Documents Using Natural Language Processing Approaches. Em Artificial Intelligence (Vol. 0). IntechOpen. https://doi.org/10.5772/intechopen.99875

Oliveira, R. S., & Nascimento, E. G. S. (2022). Brazilian Court Documents Clustered by Similarity Together Using Natural Language Processing Approaches with Transformers. arXiv:2204.07182 [cs]. http://arxiv.org/abs/2204.07182

Dhanani, J., Mehta, R., & Rana, D. (2021). Legal document recommendation system: A cluster based pairwise similarity computation. Journal of Intelligent & Fuzzy Systems, 41(5), 5497–5509. https://doi.org/10.3233/JIFS-189871

Freitas, V. P. de. (2011). Ementas de acórdãos pedem clareza e precisão. Consultor Jurídico. http://www.conjur.com.br/2011-nov-13/segunda-leitura-ementas-acordaos-pedem-clareza-precisao

Liu, Z., & Chen, H. (2017). A predictive performance comparison of machine learning models for judicial cases. 2017 IEEE Symposium Series on Computational Intelligence (SSCI), 1–6. https://doi.org/10.1109/SSCI.2017.8285436

Martins, A. D. M. (2018). Agrupamento automático de documentos jurídicos com uso de inteligência artificial. https://repositorio.idp.edu.br//handle/123456789/2635

Panagopoulos, D. (2020). Clustering documents with Python. Medium. https://towardsdatascience.com/clustering-documents-with-python-97314ad6a78d

Rêgo, A. G. (2020). Em que medida um tribunal administrativo tributário federal contribui para a defesa de interesses da sociedade brasileira [Curso de Altos Estudos em Defesa (CAED)]. Escola Superior de Guerra (Campus Brasília). https://repositorio.esg.br/handle/123456789/1124

Rodríguez, Z. E. M. (2015). Aplicación de la minería de datos distribuida usando algoritmo de clustering k-means para mejorar la calidad de servicios de las organizaciones modernas caso: Poder judicial. Repositorio de Tesis - UNMSM. https://cybertesis.unmsm.edu.pe/handle/20.500.12672/4472

Serpa, S. de V. (2021). Uma análise econômica do contencioso tributário brasileiro [Dissertação de Mestrado em Economia do Setor Público, Universidade de Brasilia]. https://repositorio.unb.br/handle/10482/42310

Serras, F. R. (2021). Algoritmos baseados em atenção neural para a automação da classicação multirrótulo de acórdãos jurídicos [Text, Universidade de São Paulo]. https://doi.org/10.11606/D.45.2021.tde-07062021-135753

Silva, I. L. A. da, Mello, R. F., Miranda, P. B. C., Nascimento, A. C. A., Maldonado, I. W. S., & Filho, J. L. M. C. (2021). Assessment of text clustering approaches for legal documents. Anais do Encontro Nacional de Inteligência Artificial e Computacional (ENIAC), 37–48. https://doi.org/10.5753/eniac.2021.18239

Thangaraj, M., & Sivakami, M. (2018). Text Classification Techniques: A Literature Review. Interdisciplinary Journal of Information, Knowledge, and Management, 13, 117–135. http://dx.doi.org.ezproxy.usal.es/10.28945/4066

Yang, F., Chen, J., Huang, Y., & Li, C. (2020). Court Similar Case Recommendation Model Based on Word Embedding and Word Frequency. 2020 12th International Conference on Advanced Computational Intelligence (ICACI), 165–170. https://doi.org/10.1109/ICACI49185.2020.9177720

Publicado

2023-06-02

Como Citar

Costa, F. de C. L., Martinez, A. L., & Klann, R. C. (2023). Clusterização de precedentes de IRPJ no CARF . Revista De Contabilidade E Organizações, 17, e197181. https://doi.org/10.11606/issn.1982-6486.rco.2023.197181

Edição

Seção

Artigos