Um problema encontrado nos dados de remunerações é a ambiguidade entre as rubricas/itens nos contracheques, isto é, um mesmo item descrito de diferentes formas.
O intuito desse desambiguador é agrupar esses itens semelhantes a um termo comum e exportá-los em um arquivo json, possibilitando o uso da informação agregada pelos demais estágios e algoritmos do DadosJusBr.
Vale ressaltar que o desambiguador ainda não está pronto para ser utilizado sem avaliação humana. Um primeiro teste foi realizado com a rubrica "auxilio-alimentação" e essa rubrica foi desambiguada manualmente antes para fins de comparação. O desambiguador encontrou 12 de 17 rubricas semelhantes a auxilio-alimentacao (acurácia de 70,58%).
Para isso, faz-se necessário editar a lista de rubricas lista_rubricas, adicionando a nova rubrica a ser desambiguada no final do arquivo.
- Caso seja necessário mais de um termo para desambiguar uma determinada rubrica, basta adicionar os termos semelhantes na mesma linha separados por ponto e vírgula. Ex.:
licenca-premio;indenizacao-licenca-premio
- Caso encontre um problema de repetição de rubrica, basta adicionar % até a quantidade de repetições necessárias. Ex.:
aux-saude-magis-exerc-anterior%%
output: "aux saude magis exerc anterior aux saude magis exerc anterior aux saude magis exerc anterior"
A nova rubrica será adicionada ao arquivo rubricas.json com uma lista de rubricas semelhantes após execução do script.