Navegando por Autor "Bitencourt, Pedro Vitor Melo"

Agora exibindo 1 - 1 de 1
  • Imagem de Miniatura
    Item
    Desenvolvimento de um chatbot financeiro com recuperação aumentada por geração (RAG)
    (Centro Federal de Educação Tecnológica de Minas Gerais, 2026-06-10) Bitencourt, Pedro Vitor Melo; Dalip, Daniel Hasan; Seufitelli, Danilo Boechat; http://lattes.cnpq.br/5887701447276862; http://lattes.cnpq.br/2960751321530666; http://lattes.cnpq.br/9658153988447542; Dalip, Daniel Hasan; Seufitelli, Danilo Boechat; Brandão, Michele Amaral; Amaral, Heber Fernandes
    O setor financeiro depende de informações precisas e verificáveis extraídas de documentos corporativos complexos. Embora os Modelos de Linguagem de Grande Porte (LLMs) apresentem capacidades avançadas de linguagem natural, sua aplicação direta em finanças ainda enfrenta desafios relacionados a alucinações, imprecisões factuais e dificuldades em lidar com informações específicas e frequentemente atualizadas. Este trabalho avalia experimentalmente diferentes estratégias de recuperação em sistemas de Recuperação Aumentada por Geração (Retrieval-Augmented Generation — RAG) aplicados à análise financeira corporativa. O pipeline experimental utiliza documentos financeiros públicos de empresas brasileiras e compara Similarity Search, Maximum Marginal Relevance (MMR), MultiQuery Retrieval e Parent Document Retrieval. Para a avaliação, foi construído um dataset especializado de perguntas e respostas financeiras, avaliado com métricas do RAGAS, incluindo Faithfulness, Context Precision, Context Recall e Answer Relevancy. Os resultados indicam que MultiQuery Retrieval apresenta melhor desempenho em tarefas que exigem maior cobertura contextual, enquanto Parent Document Retrieval é mais eficaz em cenários que demandam maior precisão contextual e fundamentação factual.