@MASTERSTHESIS{ 2020:1857528226,
 	title = {Arquitetura híbrida inteligente para classificação de liquidez imobiliária urbana em leilões},
 	year = {2020},
 	url = "http://bibliotecatede.uninove.br/handle/tede/2791",
 	abstract = "O papel de liquidez, no mercado imobiliário, tem atraído atenção na literatura financeira por conta de seu forte impacto na economia e pelos setores em que ela abrange. A liquidez de um imóvel é um indicador de velocidade ou o grau de facilidade com que as propriedades são negociadas, comercializadas e convertidas em valor monetário. Boa parte das informações desses imóveis estão disponíveis em grandes bases de dados pela internet. Se por um lado, o acesso a dados de imóveis não é um problema, extrair conhecimento dessas bases é. Os sistemas de descoberta de conhecimento Knowledge Discovery in Data Bases (KDD) são aplicados como uma solução para que a extração do conhecimento na tomada de decisão em condição de risco no ramo imobiliário, uma vez que é incerto estabelecer um limite para essa negociação. As decisões ocupando um espaço central nas organizações, tornam-se mais complexas em condições de incerteza. Isto implica que para atender a demanda pelo sucesso e qualidade das decisões, deve-se estabelecer um processo decisório que terá como elementos centrais, os cenários destas decisões, as alternativas e seus impactos. Logo, definiu-se o seguinte objetivo geral: avaliar técnicas inteligentes e desenvolver uma Arquitetura Híbrida Inteligente (AHI) para classificação de liquidez imobiliária urbana em leilões, apoiando o processo de tomada de decisão com Matriz de Probabilidade e Impacto Dupla (MPID). Para atingir este objetivo foi realizada uma série de experimentos aplicando técnicas inteligentes a uma base de dados reais num site de Leilões, contendo imóveis arrematados e não arrematados, no intervalo de anos de 2016 a 2020, coletados de forma aleatória. A avaliação de técnicas inteligentes para mineração dos dados como Randon Forest (RF), Árvore de Decisão e Rede Neural Artificial Multilayer Perceptron (MLP), determinou as técnicas mais promissoras e mais aderentes aos dados de imóveis coletados, na atuação conjunta com AHI. A principal característica da AHI é a capacidade de prever valores de descontos, tempo de exposição, número de lances e a classificação do arremate. Logo, o modelo proposto é capaz de prever e classificar a liquidez dos imóveis de leilão através de enriquecimento da base de dados, diminuindo o viés da decisão para a classificação de liquidez imobiliária em leilões. A sinergia da AHI com a MPID, possibilitou mapear as ameaças e também as oportunidades nesse setor. Foi criado nesse trabalho um novo conceito denominado borda de lances, que determina a convergência de lances reais para um imóvel. A avaliação do conhecimento extraído é útil e pode ser aplicado nos setores de leilão e bancário. A solução desenvolvida alcançou Score de 75%, treinando a técnica RF da AHI com o número de árvores padrão da biblioteca “randomForest” com 500 árvores.",
 	publisher = {Universidade Nove de Julho},
 	scholl = {Programa de Pós-Graduação em Informática e Gestão do Conhecimento},
 	note = {Informática}
}