Desenvolvimento de um Sistema Inteligente para Normalização de Descrições e Identificação Unívoca de Produtos Utilizando LLMs

Abstract

A gestão eficiente da cadeia de suprimentos e do varejo depende intrinsecamente da iden tificação precisa de mercadorias através do Número Global de Item Comercial (GTIN), contudo, bases de dados reais frequentemente apresentam descrições ruidosas, incomple tas e ausência de padronização. Este trabalho propõe o desenvolvimento de um sistema automatizado para a normalização de descrições e a identificação unívoca de produtos, utilizando técnicas avançadas de Processamento de Linguagem Natural (PLN) e Grandes Modelos de Linguagem (LLMs). A metodologia adotada implementa uma abordagem híbrida que combina a vetorização via TF-IDF e a similaridade de cosseno para a recupe ração eficiente de candidatos, seguida por uma análise semântica e contextual realizada por um LLM (GPT) para a validação e seleção final do código correto. O sistema desen volvido realiza a limpeza, organização e deduplicação de catálogos, demonstrando eficácia na mitigação de ambiguidades, erros ortográficos e variações de escrita comuns em docu mentos fiscais e cadastros comerciais. Os resultados evidenciam que a integração entre métodos clássicos de recuperação de informação e inteligência artificial generativa oferece uma solução robusta e escalável para a qualificação de dados no varejo, superando as limitações de abordagens puramente estatísticas.