Paper Information | SBC BOOKS

Fill in your paper information

Language (*)

Title (*)

Keywords (*)

Abstract (*)

Como forma de assegurar a eficiência dos serviços providos, o setor público depende da receita proveniente da coleta de impostos. No Estado de Sergipe, o Imposto de Circulação de Bens e Serviços (ICMS) é responsável por mais de 90% da receita estadual. Portanto, a coleta efetiva deste recurso é essencial para a administração estadual. A dívida ativa é a denominação para débitos que são judicializados e cujo pagamento ainda é pendente. Muitos contribuintes, em processo de dívida ativa, são incapazes de honrar suas dívidas ou tem débitos considerados insolúveis. Os custos gerados pelas cobranças direcionadas a esses elementos, em adição a não geração de receita para o Estado por estes processos, resultam em uma série de gastos adicionais. Este trabalho propôs a avaliação e seleção de um algoritmo de classificação que, baseando-se no comportamento do contribuinte e nas características da dívida, classifique a possibilidade de pagamento total, parcial ou não pagamento da dívida. Após os testes propostos, o algoritmo Random Forest apresentou o melhor desempenho dentre todas as opções exploradas, obtendo um f1-score de 81,84%. Neste contexto, o classificador fornece uma solução eficiente e viável para o cenário real.

Pages (*)

File Link

English Information

Title

Keywords

Abstract

. As a way of ensuring the efficiency of the services provided, the public sector depends on revenue from tax collection. In the State of Sergipe, the Goods and Services Circulation Tax (ICMS) is responsible for more than 90% of state revenue. Therefore, the effective collection of this resource is essential for state administration. Active debt is the name for debts that are judicialized and whose payment is still pending. Many taxpayers, in active debt, are unable to honor their debts or have debts considered insoluble. The costs generated by charges directed to these elements, in addition to the non-generation of revenue for the State through these processes, result in a series of additional expenses. This work proposed the evaluation and selection of a classification algorithm that, based on the taxpayer’s behavior and the characteristics of the debt, classifies the possibility of full, partial, or non-payment of the debt. After the proposed tests, the Random Forest algorithm presented the best performance among all the options explored, obtaining an f1-score of 81.84%. In this context, the classifier provides an efficient and viable solution for the real scenario.

(*) To change the order drag the item to the new position.

Authors

#	Name
1	Yúri Sant’Anna(yfds@cin.ufpe.br)
2	Luiz Souza(luizfcs@dcomp.ufs.br)
3	Antônio Neto(antonio.neto@dcomp.ufs.br)
4	Max Rodrigues Junior(max.carojun@professores.estacio.br)
5	André Carvalho(andre@dcomp.ufs.br)
6	Renê Gusmão(rene@dcomp.ufs.br)

(*) To change the order drag the item to the new position.

Reference

#	Reference
1	Ahsan, M. M., Mahmud, M. P., Saha, P. K., Gupta, K. D., and Siddique, Z. (2021). Effect of data scaling methods on machine learning algorithms and model performance. Technologies, 9(3):52.
2	Arslan, M., Guzel, M., Demirci, M., and Ozdemir, S. (2019). Smote and gaussian noise based sensor data augmentation. In 2019 4th International Conference on Computer Science and Engineering (UBMK).
3	Brasil (1980). Lei nº 6.830, de 22 de setembro de 1980. dispõe sobre a cobrança judicial da dívida ativa da fazenda pública, e dá outras providências. Diário Oficial [da] República Federativa do Brasil.
4	Brasil (1996). Lei complementar nº 87, de 13 de setembro de 1996. dispõe sobre o imposto dos estados e do distrito federal sobre operações relativas à circulação de mercadorias e sobre prestações de serviços de transporte interestadual e intermunicipal e de comunicação, e dá outras providências. (lei kandir). Diário Oficial [da] República Federativa do Brasil.
5	Castellón González, P. and Velásquez, J. D. (2013). Characterization and detection of taxpayers with false invoices using data mining techniques. Expert Systems with Applications, 40(5):1427–1436.
6	Corvalão, E. D. et al. (2012). Classificação de contribuintes: um modelo em duas fases.
7	de Sant’Anna, Y. F. D., de Farias, M. L., Júnior, M. C., Dantas, D., and Junior, M. R. (2024). Fuel classification in electronic tax documents. In Proceedings of the 13th International Conference on Pattern Recognition Applications and Methods - Volume 1: ICPRAM, pages 337–343. INSTICC, SciTePress.
8	Duda, R. O., Hart, P. E., and Stork, D. G. (2001). Pattern Classification. Wiley, New York, 2 edition.
9	Gupta, M. and Nagadevara, V. (2007). Audit selection strategy for improving tax compliance: application of data mining techniques. In Foundations of Risk-Based Audits. Proceedings of the eleventh International Conference on e-Governance, Hyderabad, India, December, pages 28–30. Citeseer.
10	Guralnik, V. and Srivastava, J. (1999). Event detection from time series data. In Proceedings of the fifth ACM SIGKDD international conference on Knowledge discovery and data mining, pages 33–42.
11	Kubat, M. (2017). An Introduction to Machine Learning. Springer International Publishing, Gewerbestrasse 11, 6330 Cham, Switzerland, 2 edition.
12	Martín, H., Bernardos, A. M., Iglesias, J., and Casar, J. R. (2013). Activity logging using lightweight classification techniques in mobile devices. 17(4):675–695.
13	Oliveira, F. N. d. (2012). Estratégias para aperfeiçoar o processo de recuperação de receitas tributárias no estado da bahia: um modelo para o icms baseado em redes neurais artificiais.
14	Pedregosa, F., Varoquaux, G., Gramfort, A., Michel, V., Thirion, B., Grisel, O., Blondel, M., Prettenhofer, P., Weiss, R., Dubourg, V., Vanderplas, J., Passos, A., Cournapeau, D., Brucher, M., Perrot, M., and Duchesnay, E. (2011). Scikit-learn: Machine learning in Python. Journal of Machine Learning Research, 12:2825–2830.
15	Portella, A. A. and Teixeira, R. P. (2016). Federalismo fiscal e efetividade da dignidade da pessoa humana: análise da posição do município na estrutura do financiamento público brasileiro e a escassez de recursos para as ações de saúde/fiscal federalism and effectiveness of human dignity... Revista de Direito da Cidade, 8(2):631–679.
16	Rocha, S. M. et al. (2017). Mineração de dados aplicada à classificação dos contribuintes de icms da sefaz-go.
17	SEFAZ-SE (2021). Contas anuais do estado 2021. https://www.sefaz.se. gov.br/transparencia/Responsabilidade\%20Fiscal/CONTAS\ %20ANUAIS\%20DO\%20ESTADO/2021/Contas\%20Anuais\%202021. pdf. Acesso em: 23 de junho de 2023.
18	Sisnando, S. R. A. and de Sousa Freitas, M. A. (2006). Previsão e avaliação do desempenho dos contribuintes do icms do estado do ceará utilizando as redes neurais artificiais. Revista econômica do Nordeste, 37(1):131–149.
19	Soares, L. E. and Oliveira, M. F. d. (2016). O protesto extrajudicial de certidão de dívida ativa como meio alternativo eficaz de recuperação do crédito público.

Paper Registration

Fill in your paper information

English Information

Authors

Reference