Reúne y etiqueta ítems de facturas electrónicas para entrenar un clasificador de gastos personales. Lee los XML que cada persona descarga de SRI en Línea, borra los datos que la identifican y permite enviar la donación o descargarla.
Tus XML se leen en tu navegador y no se suben: solo se envían los ítems que marques, ya anonimizados
Estás viendo facturas de ejemplo ficticias. Carga tus propios XML para reemplazarlas.
Tus facturas
Consentimiento
Donas estos datos para una tesis de maestría que entrena un modelo que clasifica gastos personales.
Se comparte: la descripción, cantidad y precio de cada ítem, el RUC y nombre del emisor, y el mes.
No se comparte: tu nombre, cédula, dirección, correo, teléfono, número de factura ni clave de acceso.
Puedes quitar cualquier ítem antes de enviar. Si luego quieres que borren tu donación, indica tu código a quien te pidió los datos.
Tu código de donante:
Lo que se leyó
0comprobantes
0ítems
0emisores
0facturas
0notas de crédito
0archivos omitidos
Anonimización
Se elimina
Se conserva
Descripción del ítem
Cantidad y precio sin IVA
Tarifa de IVA
RUC y nombre del emisor
Mes (sin el día)
Ítems a donar
Incluir
Mes
Emisor
Descripción
Cant.
Sin IVA (USD)
IVA
Siete clases: seis categorías de gasto personal y "no deducible"
Las seis categorías son las vigentes para el impuesto a la renta de personas naturales. Cada ítem recibe una sola clase.
Se etiqueta cada descripción única una sola vez, empezando por las más frecuentes. Atajos: teclas 1–7 para la clase, 0 dudoso, S saltar, ← volver.
Etiquetar
—
Metas del conjunto de datos
Metas orientativas: al menos 300 descripciones únicas por clase y 3.000 en total. Se ajustan con una curva de aprendizaje.
Controles de calidad
Manual de etiquetado basado en la guía del SRI, con los casos dudosos ya resueltos.
Un contador etiqueta a ciegas el 10 % de las descripciones; el acuerdo se mide con kappa de Cohen.
Las descripciones repetidas se etiquetan una vez; ningún producto aparece a la vez en entrenamiento y prueba.
La partición se hace por donante, y la prueba usa solo facturas reales, nunca catálogos.
Se vigila el equilibrio: las clases escasas se completan con catálogos públicos, solo para entrenamiento.