Skip navigation
Use este identificador para citar ou linkar para este item: http://repositorio.unb.br/handle/10482/35083
Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2018_DanieldeSouzaCostaPedroso.pdf11,47 MBAdobe PDFVisualizar/Abrir
Título: Identificação automática de casos repetitivos no MPDFT
Autor(es): Pedroso, Daniel de Souza Costa
Orientador(es): Ladeira, Marcelo
Coorientador(es): Faleiros, Thiago de Paulo
Assunto: Ministério Público do Distrito Federal e Territórios (MPDFT)
Recuperação da informação
Mineração de dados (Computação)
Documentos jurídicos
Data de publicação: 17-Jul-2019
Referência: PEDROSO, Daniel de Souza Costa. Identificação automática de casos repetitivos no MPDFT. 2018. xvi, 125 f., il. Dissertação (Mestrado Profissional em Computação Aplicada)—Universidade de Brasília, Brasília, 2018.
Resumo: O Ministério Público do Distrito Federal e Territórios (MPDFT) aprecia um volume de casos da ordem de 200 mil novos feitos anualmente. Entre os casos apreciados é notável a ocorrência de casos semelhantes ou repetitivos. O tratamento destes casos pode ser mais célere se os casos semelhantes puderem ser encontrados rapidamente para servirem como embasamento para o caso em tratamento. Até então, o problema é abordado de modo descentralizado entre as diversas equipes de trabalho do órgão. Este trabalho tem o objetivo de avaliar o uso de técnicas de recuperação de informações para viabilizar a identificação automatizada de casos semelhantes. Como prova de conceito, as técnicas de indexação sintática (TF-IDF e BM25) e semântica (Latent Semantic Indexing - LSI e Latent Dirichlet Allocation - LDA) foram avaliadas com o uso de bases de documentos de duas áreas do MPDFT: Procuradorias de Justiça Criminal e Procuradorias de Justiça Criminal Especializada. Além disso, avaliamos o enriquecimento dos modelos obtidos com o uso dos dados cadastrais acumulados acerca dos casos, e também com as citações às normas jurídicas observadas nos documentos. Os modelos foram avaliados com o uso de bases de referência produzidas a partir de amostras extraídas das bases de documentos das Procuradorias de Justiça Criminal e Criminal Especializada. A métrica utilizada para medir a performance dos modelos foi a Normalized Discounted Cumulated Gain - NDCG. Ao final dos experimentos, concluímos que, no âmbito das bases de documentos analisadas, não houve diferença significativa de performance entre as técnicas de indexação semântica e sintática. Além disso, não foi verificado ganho de performance significativo com o enriquecimento dos modelos. Considerando isto, elegemos a técnica BM25 como mais adequada por ter bom equilíbrio entre performance e simplicidade.
Abstract: The Public Ministry of the Federal District and Territories (MPDFT) appreciates a volume of 200,000 new cases annually. Among these cases, the occurrence of similar or repetitive cases is remarkable. The response for these cases may be improved if similar cases can be found quickly to serve as a basement or template for the case under treatment. Nowadays, this problem is addressed in a decentralized way among the various corporate teams, and it may be improved. This work aims to evaluate the use of information retrieval techniques to enable the automated identification of similar cases. As a proof of concept, syntactic indexing (TF-IDF and BM25) and semantic indexing (Latent Semantic Indexing - LSI and Latent Dirichlet Allocation - LDA) techniques were evaluated using document collections from two public prosecutor’s offices. In addition, we evaluated model enrichment with the use of recorded data about the cases, and also with the legal norm citations observed in documents. The models were evaluated using baseline document collections sampled from full document collection from two public prosecutor’s offices. The metric used to measure the performance of the models was the Normalized Discounted Cumulated Gain - NDCG. We concluded that, considering the document bases used, there was no significant performance difference between semantic and syntactic indexing techniques. In addition, we observe no significant performance gain with model enrichment. So, we have chosen the BM25 technique as more adequate because it has a good balance between performance and simplicity.
Unidade Acadêmica: Instituto de Ciências Exatas (IE)
Departamento de Ciência da Computação (IE CIC)
Informações adicionais: Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2018.
Programa de pós-graduação: Programa de Pós-Graduação em Computação Aplicada, Mestrado Profissional
Licença: A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.
Aparece nas coleções:Teses, dissertações e produtos pós-doutorado

Mostrar registro completo do item Visualizar estatísticas



Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.