Artificial Neural Networks, Multiple Linear Regression and Decision Trees Applied to Labor Justice

Genival Pavanelli, Maria Teresinha Arns Steiner, Alessandra Memari Pavanelli, Deise Maria Bertholdi Costa

Abstract

This paper aims to predict the duration of lawsuits for labor users of the justice system. Thus, we intend to provide forecasts of the duration of a labor lawsuit that gives subsidies to establish an agreement between the parties involved in the processes. The proposed methodology consists in applying and comparing three techniques of the Mathematical Programming area, Artificial Neural Networks (ANN), Multiple Linear Regression (MLR) and Decision Trees in order to obtain the best possible performance for the forecast. Therefore, we used the data from the Labor Forum of São José dos Pinhais, Paraná, Brazil, to do the training of various ANNs, the MLR and the Decision Tree. In several simulations, the techniques were used directly and in others, the Principal Component Analysis (PCA) and / or the coding of attributes were performed before their use in order to further improve their performance. Thus, taking up new data (processes) for which it is necessary to predict the duration of the lawsuit, it will be possible to make up conditions to "diagnose" its length preliminarily at its course. The three techniques used were effective, showing results consistent with an acceptable margin of error.

References

  1. Adamowicz, E. C., 2000. Reconhecimento de Padrões na Análise Econômico-Financeira de Empresas. Curitiba. Dissertação de Mestrado, PPGMNE, UFPR.
  2. Ambrósio, P. E., 2002 Redes Neurais Artificiais no Apoio ao Diagnóstico Diferencial de Lesões Intersticiais Pulmonares. Ribeirão Preto. Dissertação de Mestrado, USP.
  3. Baesens, B., Setiono, R., Mues, C. & Vanthienen, J., 2003. Using Neural Network Rule Extraction and Decision Tables for Credit-Risk Evalution. Management Science, 49, 3, 312-329.
  4. Baptistella, M., Cunico, L. H. B., Steiner, M. T. A., 2009. O Uso de Redes Neurais na Engenharia de Avaliações: Determinação dos Valores Venais de Imóveis Urbanos. Revista de Ciências Exatas e Naturais, 9, 2, 215-229.
  5. Biondi Neto, L., Sieira, A. C. C. F., Danziger B. R., Silva, J. G. S., 2006. Neuro-CPT: Classificação de Solos usando-se Redes Neurais Artificiais. Engevista, v. 8, p. 37-48.
  6. Bond, M. T., Seiler, V. L., Seiler, M. J., 2002. Residencial Real Estate Prices: a Room with a View. The Journal of Real Estate Research, v. 23, n. 1, p. 129-137.
  7. Haykin, S., 2002. Redes Neurais: Princípios e Prática. Bookman, Porto Alegre, RS.
  8. Lima, J. D., 2002. Análise Econômico-Financeira de Empresa Sob a Ótica da Estatística Multivariada. Curitiba. Dissertação de Mestrado, PPGMNE, UFPR.
  9. Lu, H.; Setiono, R. & Liu, H., 1996. Effective Data Mining Using Neural Networks. IEE Transactions on Knowledge an Data Engineering, 8, 6, 957-961.
  10. Nguyen, N., Cripps, A. 2001. Predicting Housing Value: A Comparison of Multiple Regression Analysis and Artificial Neural Networks. The Journal of Real Estate Research, v. 22, n. 3, p. 313-336.
  11. SLC - Superior Labor Court. (http://www.tst.gov. br/) 16 february 2007.
  12. Sousa, E. A., Teixeira, L. C. V., Mello, M. R. P. A., Torres, E. A. F. S., Moita Neto, J. M., 2003. Aplicação de Redes Neurais para Avaliação do Teor de Carne Mecanicamente Separada em Salsicha de Frango. Ciência e Tecnologia de Alimentos, 23, 3, Campinas.
  13. Steiner, M. T. A. 1995. Uma Metodologia Para o Reconhecimento de Padrões Multivariados com Resposta Dicotômica. Florianópolis. Tese de Doutorado, Programa de Pós Graduação em Engenharia de Produção, UFSC.
  14. Steiner, M. T. A., Nievola, J. C., Soma, N. Y., Shimizu, T., Steiner Neto, P. J., 2007. Extração de regras de classificação a partir de redes neurais para auxílio à tomada de decisão na concessão de crédito bancário. Revista Pesquisa Operacional, 27, 407-426.
  15. Steiner, M. T. A.; Mota, J. F., 2007. Estudando um Caso de determinação do Preço de Venda de Imóveis Urbanos utilizando Redes Neurais Artificiais e Métodos Estatísticos Multivariados. X Encontro de Modelagem Matemática, Nova Friburgo, RJ.
  16. Steiner, M. T. A., Bráulio, S. N., Alves, V., 2008. Métodos Estatísticos Multivariados aplicados à Engenharia de Avaliações, Revista Gestão & Produção, 15, 23-32.
  17. Steiner, M. T. A., Carnieri, C., Stange, P., 2009. Construção de um Modelo Matemático para o Controle do Processo de Produção do Papel Industrial. Pesquisa Operacional para o Desenvolvimento, 1, 1, 33-49.
  18. TRT - Tribunal Regional do Trabalho. (http://www.trt9. gov.br/> 07 october 2007.
  19. Witten, I. H., Frank, E., 2005, Data Mining: Practical Machine Learning Tools and Techniques, Morgan Kaufmann Publishers, 2nd edition.
Download


Paper Citation


in Harvard Style

Pavanelli G., Teresinha Arns Steiner M., Memari Pavanelli A. and Maria Bertholdi Costa D. (2013). Artificial Neural Networks, Multiple Linear Regression and Decision Trees Applied to Labor Justice . In Proceedings of the 5th International Joint Conference on Computational Intelligence - Volume 1: NCTA, (IJCCI 2013) ISBN 978-989-8565-77-8, pages 443-450. DOI: 10.5220/0004517504430450


in Bibtex Style

@conference{ncta13,
author={Genival Pavanelli and Maria Teresinha Arns Steiner and Alessandra Memari Pavanelli and Deise Maria Bertholdi Costa},
title={Artificial Neural Networks, Multiple Linear Regression and Decision Trees Applied to Labor Justice},
booktitle={Proceedings of the 5th International Joint Conference on Computational Intelligence - Volume 1: NCTA, (IJCCI 2013)},
year={2013},
pages={443-450},
publisher={SciTePress},
organization={INSTICC},
doi={10.5220/0004517504430450},
isbn={978-989-8565-77-8},
}


in EndNote Style

TY - CONF
JO - Proceedings of the 5th International Joint Conference on Computational Intelligence - Volume 1: NCTA, (IJCCI 2013)
TI - Artificial Neural Networks, Multiple Linear Regression and Decision Trees Applied to Labor Justice
SN - 978-989-8565-77-8
AU - Pavanelli G.
AU - Teresinha Arns Steiner M.
AU - Memari Pavanelli A.
AU - Maria Bertholdi Costa D.
PY - 2013
SP - 443
EP - 450
DO - 10.5220/0004517504430450