Classificação de texto de reclamações de empreendimentos imobiliários utilizando Machine Learning

Abstract

As empresas construtoras de empreendimentos imobiliários ao produzirem os imóveis para venda, estão sujeitas a cometerem falhas construtivas, sejam estas por problemas em processos produtivos ou nos materiais utilizados. Embora existam mecanismos de melhoria na qualidade das habitações, defeitos seguem ocorrendo e demandando ações corretivas em um volume considerável a ponto das empresas estruturarem setores de assistência técnica para melhor lidar e atender as reclamações. O presente trabalho propõe métodos automáticos de classificação de texto que recebem os registros textuais e auxiliam na categorização técnica das reclamações, necessária para dar prosseguimento ao processo de reparo. Metodologias eficazes de identificação podem auxiliar os departamentos de gestão com agilidade e assertividade nas ações, ou ainda gerar insights de negócio em favor de diferentes práticas que reduzam custos e otimizem ganhos. Nos dias atuais os avanços tecnológicos viabilizam o tratamento de dados não estruturados de muitas formas diferentes, sendo que foram selecionados alguns dos métodos de machine learning mais utilizados na literatura para este fim que são Naive Bayes, Support Vector Machines, Random Forest e Boosting.

The construction companies that build big projects when producing the units for sale, are subject to commit construction failures, whether these are problems in production processes or in the materials used. Although mechanisms for improving the quality of housing exist, defects continue to occur and demand corrective actions in a considerable volume to the point that companies structure technical assistance sectors to better deal with and respond to complaints. This work proposes automatic text classification methods that receive textual records and assist in the necessary technical categorization to proceed with the repair process. Effective identification methodologies can assist management departments with agility and assertiveness in actions, or even generate business insights in favor of different practices that reduce costs and optimize gains. Nowadays technological advances make it possible to treat unstructured data in many different ways, with some of the most used machine learning methods used in the literature for this purpose being Naive Bayes, Support Vector Machines, Random Forest, Bossting.