Classificadores textuais de dados jurídicos
Autor(a) principal: | |
---|---|
Data de Publicação: | 2019 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UNESP |
Texto Completo: | https://hdl.handle.net/11449/255650 |
Resumo: | A partir da implementação de algoritmos de Machine Learning para classificação multi-classes são avaliadas duas possibilidades de soluções, sendo a primeira para classificar documentos jurídicos chamados de Publicações Jurídicas, dentre 5 categorias judiciais pré-determinadas, e a segunda de predizer o status atual de processos judiciais através da análise dos andamentos processuais mais recentes. Ao alcançar alta porcentagem de assertividade das classificações autônomas, é possível repassar a responsabilidade desta análise de texto dos advogados à Inteligência Artificial, mitigando falhas de interpretação e aumentando a velocidade dos procedimentos em torno das publicações e dos processos jurídicos. |
id |
UNSP_e6fe085a8080b082d65a1a9f9d7c8a27 |
---|---|
oai_identifier_str |
oai:repositorio.unesp.br:11449/255650 |
network_acronym_str |
UNSP |
network_name_str |
Repositório Institucional da UNESP |
repository_id_str |
2946 |
spelling |
Classificadores textuais de dados jurídicosTextual classifiers for legal dataClassificador multi-classesClassificador textualClassificador jurídicoPublicações jurídicasStatus de processosMachine learningMulticlass classificationTextual classifierLegal classifierLegal publicationsStatus of legal proceedingsA partir da implementação de algoritmos de Machine Learning para classificação multi-classes são avaliadas duas possibilidades de soluções, sendo a primeira para classificar documentos jurídicos chamados de Publicações Jurídicas, dentre 5 categorias judiciais pré-determinadas, e a segunda de predizer o status atual de processos judiciais através da análise dos andamentos processuais mais recentes. Ao alcançar alta porcentagem de assertividade das classificações autônomas, é possível repassar a responsabilidade desta análise de texto dos advogados à Inteligência Artificial, mitigando falhas de interpretação e aumentando a velocidade dos procedimentos em torno das publicações e dos processos jurídicos.From Machine Learning’s algorithms implementation to multi-classes’ classify will be possible to evaluate two possibilities for AI solutions, the first for classify law documents named as Legal Publications in 5 legal categories and the second one for predict the current status of juridical processes by analyzing the latest legal proceedings. Achieving high percentage assertiveness of autonomous ratings its possible to pass the responsibility of this analysis from lawyers to Artificial Intelligence, mitigating interpretation errors and increasing the speed of procedures around publications.Universidade Estadual Paulista (Unesp)Pereira, Clayton Reginaldo [UNESP]Lopes, Matheus Henrique2024-05-16T17:37:57Z2024-05-16T17:37:57Z2019-11-27info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfLOPES, Matheus Henrique. Classificadores textuais de dados jurídicos. 2019. Trabalho de Conclusão de Curso (Bacharelado em Sistemas de Informação) - Faculdade de Ciências, Universidade Estadual Paulista, Bauru, 2024.https://hdl.handle.net/11449/255650porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESP2024-05-17T12:19:24Zoai:repositorio.unesp.br:11449/255650Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestopendoar:29462024-08-05T17:32:44.849178Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false |
dc.title.none.fl_str_mv |
Classificadores textuais de dados jurídicos Textual classifiers for legal data |
title |
Classificadores textuais de dados jurídicos |
spellingShingle |
Classificadores textuais de dados jurídicos Lopes, Matheus Henrique Classificador multi-classes Classificador textual Classificador jurídico Publicações jurídicas Status de processos Machine learning Multiclass classification Textual classifier Legal classifier Legal publications Status of legal proceedings |
title_short |
Classificadores textuais de dados jurídicos |
title_full |
Classificadores textuais de dados jurídicos |
title_fullStr |
Classificadores textuais de dados jurídicos |
title_full_unstemmed |
Classificadores textuais de dados jurídicos |
title_sort |
Classificadores textuais de dados jurídicos |
author |
Lopes, Matheus Henrique |
author_facet |
Lopes, Matheus Henrique |
author_role |
author |
dc.contributor.none.fl_str_mv |
Pereira, Clayton Reginaldo [UNESP] |
dc.contributor.author.fl_str_mv |
Lopes, Matheus Henrique |
dc.subject.por.fl_str_mv |
Classificador multi-classes Classificador textual Classificador jurídico Publicações jurídicas Status de processos Machine learning Multiclass classification Textual classifier Legal classifier Legal publications Status of legal proceedings |
topic |
Classificador multi-classes Classificador textual Classificador jurídico Publicações jurídicas Status de processos Machine learning Multiclass classification Textual classifier Legal classifier Legal publications Status of legal proceedings |
description |
A partir da implementação de algoritmos de Machine Learning para classificação multi-classes são avaliadas duas possibilidades de soluções, sendo a primeira para classificar documentos jurídicos chamados de Publicações Jurídicas, dentre 5 categorias judiciais pré-determinadas, e a segunda de predizer o status atual de processos judiciais através da análise dos andamentos processuais mais recentes. Ao alcançar alta porcentagem de assertividade das classificações autônomas, é possível repassar a responsabilidade desta análise de texto dos advogados à Inteligência Artificial, mitigando falhas de interpretação e aumentando a velocidade dos procedimentos em torno das publicações e dos processos jurídicos. |
publishDate |
2019 |
dc.date.none.fl_str_mv |
2019-11-27 2024-05-16T17:37:57Z 2024-05-16T17:37:57Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
LOPES, Matheus Henrique. Classificadores textuais de dados jurídicos. 2019. Trabalho de Conclusão de Curso (Bacharelado em Sistemas de Informação) - Faculdade de Ciências, Universidade Estadual Paulista, Bauru, 2024. https://hdl.handle.net/11449/255650 |
identifier_str_mv |
LOPES, Matheus Henrique. Classificadores textuais de dados jurídicos. 2019. Trabalho de Conclusão de Curso (Bacharelado em Sistemas de Informação) - Faculdade de Ciências, Universidade Estadual Paulista, Bauru, 2024. |
url |
https://hdl.handle.net/11449/255650 |
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.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Estadual Paulista (Unesp) |
publisher.none.fl_str_mv |
Universidade Estadual Paulista (Unesp) |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UNESP instname:Universidade Estadual Paulista (UNESP) instacron:UNESP |
instname_str |
Universidade Estadual Paulista (UNESP) |
instacron_str |
UNESP |
institution |
UNESP |
reponame_str |
Repositório Institucional da UNESP |
collection |
Repositório Institucional da UNESP |
repository.name.fl_str_mv |
Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP) |
repository.mail.fl_str_mv |
|
_version_ |
1808128824091607040 |