Extração de Informação de Notas Fiscais apoiada em Conhecimento

Abstract

A descrição de produto em uma nota fiscal é um campo de texto não estruturado e não padronizado, dificultando a identifição do produto e suas característicass, e conse- quentemente a análise e a comparação de informações como preço dos mesmos pro- dutos em diferentes notas fiscais. A extração da informação contida nessas descrições e a identificação da correspondência do produto descrito com produtos cadastrados em bases de dados oficiais promove a acessibilidade e possibilita a exploração dessa informação. A presente monografia explora o uso de técnicas de Processamento de Linguagem Natural (PLN), desde expressões regulares até Grandes Modelos de Lin- guagem (LLMs), para a extração da informação e ligação de entidades de notas fiscais eletrônicas (NF-es), com informações armazenadas em um Grafo de Conhecimento (KG). O estudo será conduzido inicialmente no domínio de medicamentos, para o qual foi construído KG com dados sobre medicamentos aprovados pela Anvisa, seus prin- cípios ativos, dosagens, apresentações e outras informações.