Análise automatizada de pedidos de recurso a infrações de trânsito utilizando Processamento de Linguagem Natural

• Autor(a) principal: Silva, Felipe Morais da
• Data de Publicação: 2022
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UFRN
• Texto Completo: https://repositorio.ufrn.br/handle/123456789/46060
• topic: Recurso de multa; Processamento de Linguagem Natural; Aprendizado de Máquina; Natural Language Processing; Machine Learning; Computação; Appeal to contest fine

No decorrer dos anos, a necessidade de automatizar processos repetitivos cresceu à medida que novas demandas de mercado surgiram e, eventualmente, novas tecnologias foram desenvolvidas com o intuito de viabilizar essa demanda. A computação, em particular, é uma área que foi responsável por criar inúmeras técnicas capazes de automatizar tarefas do nosso cotidiano e, hoje em dia, está ganhando mais espaço ainda graças aos avanços obtidos nos últimos anos pela Inteligência Artificial. Além disso, existe uma subárea da Inteligência Artificial, que é o Aprendizado de Máquina, cujo objetivo é criar modelos capazes de representar um determinado problema com o intuito de obter respostas a perguntas específicas. Trazendo essa discussão para um cenário real, a Polícia Rodoviária Federal (PRF) do Rio Grande do Norte, dentre suas diversas atividades, precisa analisar uma grande quantidade de recursos de multas com o objetivo de garantir o direito que o cidadão tem de contestar uma eventual injustiça na aplicação da lei. Esses recursos de multa podem ser submetidos por meio do preenchimento de uma documentação física ou eletrônica. Adicionalmente, não há uma padronização na estrutura do documento, uma vez que tanto pessoas comuns quanto profissionais do direito podem produzir esse documento. Após o agente responsável analisar o recurso, é necessário justificar o deferimento ou indeferimento referente ao documento. Com o intuito de auxiliar e agilizar a análise dos recursos de multas, que é um processo repetitivo e cansativo, surgiu o objetivo deste trabalho em conjunto com a PRF do RN, que é desenvolver um sistema capaz de, dado um recurso de multa como entrada, processar seu conteúdo e fornecer um pré-parecer para que o agente responsável pela análise poupe uma grande quantidade de tempo redigindo a justificativa do recurso. Para desenvolver essa solução, a PRF disponibilizou mais de mil documentos, que passaram por um processo de extração de texto e pré-processamento de dados. Após isso, planejou-se desenvolver uma pipeline de processamento para: (i) transformar os textos em representações numéricas e/ou vetoriais; (ii) utilizar as representações numéricas e/ou vetoriais para construir modelos inteligentes com base em Aprendizado de Máquina; (iii) avaliar e comparar os resultados obtidos a partir de técnicas diferentes. Foram treinados os modelos: Naive-Bayes e SVM utilizando as representações Bag of Words (BOW) e Term Frequency–Inverse Document Frequency (TF-IDF); Long ShortTerm Memory (LSTM) com a representação Word2Vec. Após a implementação destes modelos, eles foram avaliados em relação as métricas acurácia, precisão, recall e F-score. Percebeu-se que os modelos com a melhor performance em relação a essas métricas foram, respectivamente, SVM com TF-IDF e LSTM com Word2Vec. Por fim, foi desenvolvida uma API REST para realizar consultas a esses modelos.