Clusterização de precedentes de IRPJ no CARF
DOI:
https://doi.org/10.11606/issn.1982-6486.rco.2023.197181Palavras-chave:
Tributação de rendimentos corporativos, Clusterização, Jurisprudência tributária, Conselho Administrativo de Recursos FiscaisResumo
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
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
Downloads
Publicado
Edição
Seção
Licença
Copyright (c) 2023 Fabiano de Castro Liberato Costa, Antonio Lopo Martinez, Roberto Carlos Klann
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
A RCO adota a política de Acesso Livre (Libre Open Access), sob o acordo padrão Creative Commons (CC BY-NC-ND 4.0). O acordo prevê que:
- A submissão de texto autoriza sua publicação e implica compromisso de que o mesmo material não esteja sendo submetido a outro periódico. O original é considerado definitivo;
- Autores mantêm os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attributionque permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista;
- Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com necessário reconhecimento de autoria e publicação inicial nesta revista;
- Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre);
- A revista não paga direitos autorais aos autores dos textos publicados;
- O detentor dos direitos autorais da revista, exceto os já acordados no acordo de Libre Open Access (CC BY-NC-ND 4.0), é o Departamento de Contabilidade da Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto da Universidade de São Paulo.
Não são cobradas taxas de submissão ou de publicação.
São aceitos até 4 autores por artigo. Casos excepcionais devidamente justificados poderão ser analisados pelo Comitê Executivo da RCO. São considerados casos excepcionais: projetos multi-institucionais; manuscritos resultantes da colaboração de grupos de pesquisa; ou que envolvam grandes equipes para coleta de evidências, construção de dados primários e experimentos comparados.
É recomendada a ordem de autoria por contribuição, de cada um dos indivíduos listados como autores, especialmente no desenho e planejamento do projeto de pesquisa, na obtenção ou análise e interpretação de dados e redação. Os autores devem declarar as efetivas contribuições de cada autor, preenchendo a carta ao editor, logo no início da submissão, responsabilizando-se pelas informações dadas.
É permitida a troca de autores durante todo o processo de avaliação e, antes da publicação do manuscrito. Os autores devem indicar a composição e ordem final de autoria no documento assinado por todos os envolvidos no aceite para publicação. Caso a composição e ordem de autoria seja diferente da informada anteriormente no sistema, todos autores anteriormente listados deverão se manifestar favoráveis.
No caso de identificação de autoria sem mérito ou contribuição (ghost, guest or gift authorship), a RCO segue o procedimento recomendado pela COPE.
