Performance Evaluation of BERT Models for Automated Police Report Classification in Marabá-PA
DOI:
https://doi.org/10.5335/rbca.v18i1.17029Keywords:
Applications of AI, Classification, Machine Learning, Police Reports, ViolenceAbstract
This work addresses the development of a classifier for police reports from the city of Marabá-PA, employing data mining techniques and fine-tuning of pre-trained Large Language Models (LLMs), such as Bidirectional Encoder Representations from Transformers (BERT) and its Portuguese-adapted version, BERTimbau. The evaluation of the models indicates that the BERT base and BERTimbau transformers achieved overall accuracies of approximately 90% and 92%, respectively, in experiments conducted with test data. These results demonstrate the feasibility of using LLMs for the automatic classification of police reports, offering potential to enhance criminal data analysis and contribute to more efficient, data-driven public security policies.
Downloads
Downloads
Published
Issue
Section
License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Todos os artigos estão licenciados com a licença Creative Commons Atribuição-NãoComercial-SemDerivações 4.0 Internacional. Autores que publicam nesta revista concordam com os seguintes termos:
a) Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
b) Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
c) Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).
