NEMESIS — Notas de EMPenho com Estratégia Semântica e Inteligência de Sistemas

O NEMESIS é um sistema desenvolvido em parceria entre o TCE-RJ e o CEFET/RJ, com o objetivo de aprimorar a análise de notas de empenho por meio de técnicas de Processamento de Linguagem Natural (PLN), Aprendizado de Máquina e busca semântica.

A solução integra uma interface web para os auditores e um backend conectado a um banco de dados PostgreSQL com pgvector, permitindo:

• Busca semântica de empenhos com base no histórico textual
• Sinalização de possíveis irregularidades (ex.: fracionamento, sobrepreço)
• Agrupamento e comparação de despesas entre diferentes prefeituras
• Ferramentas de priorização de auditoria

---

Estrutura do repositório

nemesis/
│
├── frontend/        # Interface web (React)
│   └── README.md    # instruções específicas do frontend
│
├── backend/         # Backend em Python (scripts + API)
│   ├── scripts/     # scripts de auditoria e análise
│   └── README.md    # instruções específicas do backend
│
├── docs/            # documentação complementar
│   └── SCRIPTS.md   # detalhamento dos scripts Python
│
└── README.md        # este arquivo (visão geral do projeto)

---

Como começar

1. Configurar banco de dados

• Requer PostgreSQL 15+ com extensão pgvector habilitada.
• Scripts de criação de tabelas e views estão disponíveis em backend/sql/.
• Após carregar os dados de empenhos, crie o índice para acelerar buscas semânticas:

CREATE INDEX IF NOT EXISTS idx_empenho_embeddings_cosine
ON empenho_embeddings
USING ivfflat (embedding vector_cosine_ops)
WITH (lists = 100);

ANALYZE empenho_embeddings;

2. Rodar backend

Veja instruções em backend/README.md.

3. Rodar frontend

Veja instruções em frontend/README.md.

---

📖 Documentação

• Documentação dos Scripts Python
• Backend
• Frontend

---

Créditos

Projeto desenvolvido por CEFET/RJ em parceria com o Tribunal de Contas do Estado do Rio de Janeiro (TCE-RJ). Fase atual: desenvolvimento e validação.

---