A question answering system for the financial economic domain

• Grant number: 21/03210-2
• Support Opportunities: Scholarships in Brazil - Technical Training Program - Technical Training
• Start date: May 01, 2021
• End date: January 31, 2022
• Field of knowledge: Physical Sciences and Mathematics - Computer Science - Computing Methodologies and Techniques
• Principal Investigator: Valdirene Fontanette
• Grantee: Lord Flaubert Steve Ataucuri Cruz
• CNAE: Desenvolvimento e licenciamento de programas de computador não-customizáveis ; Suporte técnico, manutenção e outros serviços em tecnologia da informação ; Tratamento de dados, provedores de serviços de aplicação e serviços de hospedagem na internet
• Associated research grant: 20/05895-0 - A question answering system for financial economic domain, AP.PIPE

Abstract

Assim, a partir de uma demanda específica de um cliente do seguimento de instituições de serviços financeiros e após uma pesquisa de mercado que objetivou verificar se esta seria uma demanda de outros clientes do mesmo setor, a Itera, utilizando-se da Alice, desenvolveu o serviço Extractor IA. O Extractor IA é uma solução que ajuda seus clientes a automatizar parte do backoffice de operações de análise de riscos através da automatização do processo de extração de dados de balanços contábeis. Essas instituições utilizam esses dados para calcular o score de empresas que demandam de suas ofertas créditos financeiros, indicando o quão confiável ou arriscado é fornecer crédito para uma dada empresa. Com a extração automática do serviço Extractor IA, o trabalho manual é quase que extinto, sendo mantido de forma minoritária para validações e correções de erros suscetíveis a qualquer sistema computacional. Para as instituições financeiras calcularem o score das empresas que demandam por suas ofertas de crédito, elas utilizam não somente os dados oriundos dos balanços contábeis, mas também informações externas obtidas a partir de veículos de comunicação como jornais e revistas online que citam os nomes dessas empresas sob aspectos relacionados à corrupção e investimentos, sejam eles sobre aquisição, novos produtos ou inovação. Esses veículos são consultados pelos analistas de crédito em busca de informações que possam, de alguma forma, aumentar ou diminuir o score das empresas demandantes de créditos. Nesse contexto, um sistema de perguntas e respostas poderia atender a essa necessidade de informações de forma rápida e objetiva, fornecendo, de forma automática, respostas a perguntas sobre essas empresas. Assim, focando a oferta de prestação de serviços do Extractor IA da Itera e sua maior cobertura em termos de automação de backoffice para a operação de análise de riscos dessas instituições, surgiu a necessidade de pesquisar o uso de uma abordagem extrativa para gerar respostas de forma automática utilizando como fonte de conhecimento notícias de jornais e revistas online. Portanto, o objetivo deste projeto é avaliar a viabilidade de aplicar abordagem extrativa para o desenvolvimento de um sistema de perguntas e respostas sobre empresas utilizando como fonte de conhecimento notícias de mídias digitais. Comprovada a viabilidade na Fase I, tem-se em mente o aperfeiçoamento deste protótipo, seu desenvolvimento e a integração aos serviços Extractor IA da Itera. Acredita-se que, comercialmente, o principal resultado desta proposta de pesquisa é validar o uso da abordagem extrativa como possibilidade de aumento da abrangência de uso do serviço Extractor IA como oferta de maior valor da Itera para clientes do seguimento de instituições financeiras. Acredita-se também que, tecnicamente, teremos como resultado o desenvolvimento de novas capacidades técnicas da equipe da itera, pesquisando, testando, implementando e validando a abordagem extrativa para gerar respostas, capacitando os, inclusive na possibilidade de aplicação de tal abordagem para outros domínios de problemas, além do abordado neste projeto. Comprovada a viabilidade do uso da abordagem extrativa para perguntas e respostas pesquisadas na fase I, têm-se em mente que novos investimentos deverão ser feitos para aperfeiçoar o protótipo que será construído, pesquisando e comparando a abordagem extrativa com outras abordagens possíveis para resolver o problema do domínio de perguntas e respostas, investigando novas e melhores técnicas de visualização dos dados gerados, capacitando-o o protótipo para o processamento de grandes volumes de dados em ambiente big data em uma arquitetura de software escalável em nuvem. (AU)