Identificação automática de casos repetitivos no MPDFT

Detalhes bibliográficos
Autor(a) principal: Pedroso, Daniel de Souza Costa
Data de Publicação: 2018
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UnB
Texto Completo: http://repositorio.unb.br/handle/10482/35083
Resumo: Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2018.
id UNB_948a349d07a335879ada7a0dcb21e3d9
oai_identifier_str oai:repositorio2.unb.br:10482/35083
network_acronym_str UNB
network_name_str Repositório Institucional da UnB
repository_id_str
spelling Pedroso, Daniel de Souza CostaFaleiros, Thiago de PauloLadeira, Marcelo2019-07-17T19:13:14Z2019-07-17T19:13:14Z2019-07-172018-12-14PEDROSO, 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.http://repositorio.unb.br/handle/10482/35083Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2018.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.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.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.info:eu-repo/semantics/openAccessIdentificação automática de casos repetitivos no MPDFTinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisMinistério Público do Distrito Federal e Territórios (MPDFT)Recuperação da informaçãoMineração de dados (Computação)Documentos jurídicosporreponame:Repositório Institucional da UnBinstname:Universidade de Brasília (UnB)instacron:UNBORIGINAL2018_DanieldeSouzaCostaPedroso.pdf2018_DanieldeSouzaCostaPedroso.pdfapplication/pdf11749447http://repositorio2.unb.br/jspui/bitstream/10482/35083/1/2018_DanieldeSouzaCostaPedroso.pdf22123074697b85418024bf4d25862dccMD51open accessLICENSElicense.txtlicense.txttext/plain673http://repositorio2.unb.br/jspui/bitstream/10482/35083/2/license.txt04587889c0a9cc4613b199de6b76dc6cMD52open access10482/350832023-07-14 15:59:44.62open accessoai:repositorio2.unb.br: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Biblioteca Digital de Teses e DissertaçõesPUBhttps://repositorio.unb.br/oai/requestopendoar:2023-07-14T18:59:44Repositório Institucional da UnB - Universidade de Brasília (UnB)false
dc.title.pt_BR.fl_str_mv Identificação automática de casos repetitivos no MPDFT
title Identificação automática de casos repetitivos no MPDFT
spellingShingle Identificação automática de casos repetitivos no MPDFT
Pedroso, Daniel de Souza Costa
Ministério Público do Distrito Federal e Territórios (MPDFT)
Recuperação da informação
Mineração de dados (Computação)
Documentos jurídicos
title_short Identificação automática de casos repetitivos no MPDFT
title_full Identificação automática de casos repetitivos no MPDFT
title_fullStr Identificação automática de casos repetitivos no MPDFT
title_full_unstemmed Identificação automática de casos repetitivos no MPDFT
title_sort Identificação automática de casos repetitivos no MPDFT
author Pedroso, Daniel de Souza Costa
author_facet Pedroso, Daniel de Souza Costa
author_role author
dc.contributor.advisorco.none.fl_str_mv Faleiros, Thiago de Paulo
dc.contributor.author.fl_str_mv Pedroso, Daniel de Souza Costa
dc.contributor.advisor1.fl_str_mv Ladeira, Marcelo
contributor_str_mv Ladeira, Marcelo
dc.subject.keyword.pt_BR.fl_str_mv Ministério Público do Distrito Federal e Territórios (MPDFT)
Recuperação da informação
Mineração de dados (Computação)
Documentos jurídicos
topic Ministério Público do Distrito Federal e Territórios (MPDFT)
Recuperação da informação
Mineração de dados (Computação)
Documentos jurídicos
description Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2018.
publishDate 2018
dc.date.submitted.none.fl_str_mv 2018-12-14
dc.date.accessioned.fl_str_mv 2019-07-17T19:13:14Z
dc.date.available.fl_str_mv 2019-07-17T19:13:14Z
dc.date.issued.fl_str_mv 2019-07-17
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv 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.
dc.identifier.uri.fl_str_mv http://repositorio.unb.br/handle/10482/35083
identifier_str_mv 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.
url http://repositorio.unb.br/handle/10482/35083
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Repositório Institucional da UnB
instname:Universidade de Brasília (UnB)
instacron:UNB
instname_str Universidade de Brasília (UnB)
instacron_str UNB
institution UNB
reponame_str Repositório Institucional da UnB
collection Repositório Institucional da UnB
bitstream.url.fl_str_mv http://repositorio2.unb.br/jspui/bitstream/10482/35083/1/2018_DanieldeSouzaCostaPedroso.pdf
http://repositorio2.unb.br/jspui/bitstream/10482/35083/2/license.txt
bitstream.checksum.fl_str_mv 22123074697b85418024bf4d25862dcc
04587889c0a9cc4613b199de6b76dc6c
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UnB - Universidade de Brasília (UnB)
repository.mail.fl_str_mv
_version_ 1797405459223674880

Registros relacionados