A machine learning-based data matching pipeline for linking electronic invoices to public procurement processes

• Lucas de Souza Vieira UFSC
• Jônata Tyska Carvalho UFSC

DOI: https://doi.org/10.5753/eniac.2026.30592

Resumo

The digitization of public procurement has created new opportunities for computational auditing to detect fraud and irregularities. However, the data is spread across multiple sources, often without a key that would allow direct integration. This work proposes a machine learning pipeline to establish correspondences between procurement and electronic invoice records. The methodology combines semantic similarity and syntactic distance metrics applied to item and document descriptions. Experiments conducted on real-world data, comprising 1,000 procurement processes and 9.8 million electronic invoices, demonstrated high effectiveness. The optimized Random Forest model achieved an F1-score of 0.98. The results indicate that the proposed approach is a promising solution for linking fragmented records of public procurement processes.

Referências

Alves, A. L. F., Baptista, C. d. S., Diniz, J. I. M. S., Mendes, F. I. d. L., and Cunha, M. Q. (2025). An approach for product record linkage using cross-lingual learning and large language models. In Proceedings of the International Conference on Enterprise Information Systems.

Bomfim, P. B. (2025). Transformação digital na administração pública e privada: Impactos da digitalização na eficiência organizacional, transparência e inovação de serviços. In de Barros Ahrens, R., editor, Administração Pública e Privada: Novas Tendências e Perspectivas, volume 9, chapter 25.

Brasil, T. (2024). Recomendações e desafios técnicos do portal nacional de contratações públicas: Qualidade de dados. Technical report, Transparência Brasil.

Fontes, R. S., Colaço Júnior, M., de Oliveira, F. R., and de Medeiros Valentim, R. A. (2024). Avaliação experimental de um classificador para apoiar a detecção de fraudes em notas fiscais públicas de medicamentos. Revista Gestão & Tecnologia, 24(1).

Gomes, W. and Colaço, M. (2022). Applications of artificial intelligence for auditing and classification of incongruent descriptions in public procurement. In Anais do XVIII Simpósio Brasileiro de Sistemas de Informação, Porto Alegre, RS, Brasil. SBC.

OECD (2022). OECD Responsible Business Conduct Policy Reviews: Brazil. Paris.

Silva, C. V. S. and Rocha, H. A. d. (2010). Técnicas de mineração de dados como apoio às auditorias governamentais. Revista da CGU, 5(8):29–40.

Soylu, A., Corcho, Ó., Elvesæter, B., Badenes-Olmedo, C., Yedro-Martínez, F., Kovacic, M., Posinkovic, M., Medvešček, M., Makgill, I., Taggart, C., Simperl, E., Lech, T. C., and Roman, D. (2022). Data quality barriers for transparency in public procurement. Information, 13(2).

TCU (2011). Fiscobras 2011 - sobrepreço/superfaturamento lideram irregularidades em obras. Technical report, Tribunal de Contas da União.

UNODC (2013). Guia de Combate à Corrupção em Compras e Contratações Públicas e na Gestão das Finanças Públicas. UNODC.