Análise de decisões judiciais utilizando aprendizado de máquina com supervisão fraca
Autor(a) principal: | |
---|---|
Data de Publicação: | 2021 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da UFRGS |
Texto Completo: | http://hdl.handle.net/10183/234492 |
Resumo: | Existe uma preocupação crescente de que a Justiça do Trabalho brasileira esteja demasi adamente inclinada a proteger empregados em relação a empregadores. Além disso, as próprias empresas nas suas relações empregado-empregador encontram-se inseguras em relação a quais decisões serão tomadas pelos magistrados em seus processos judiciais. Por outro lado, novas soluções tecnológicas estão sendo implementadas com intuito de aumentar a eficiência judiciária brasileira, como, por exemplo, Processo Judicial Eletrônico (PJe). Esse sistema permite a tramitação completa do processo judicial de maneira digital, contendo atualmente milhões de ações em tramitação. Entretanto, a exploração dessa massa de documentos judiciais não é trivial, pois tais documentos encontram-se disponibilizados em texto puro sem o enriquecimento necessário para a extração de conhecimento de valor. Dessa maneira, a presente pesquisa empregou técnicas de Aprendizado de Máquina Supervisionado a fim de verificar se seria possível observar eventual tendência de julgamento de determinados tribunais utilizando métodos computacionais. Desse modo, foi desenvolvida uma base de dados padrão-ouro a qual foi utilizada para a realização de testes, e também foi desenvolvida automaticamente uma base de treinamento por meio de técnica de Supervisão Fraca. Após, uma base de decisões judiciais de mais de 20 mil documentos foi classificada utilizando um modelo treinado com o algoritmo Gradient Boosting o qual obteve 92% na métrica F1 macro. Assim, foi possível observar diferença estatística na proporção de julgamentos a favor dos empregados em ambos os tribunais. |
id |
URGS_fb1dd7f0ca043e3bdca45abb10eddecd |
---|---|
oai_identifier_str |
oai:www.lume.ufrgs.br:10183/234492 |
network_acronym_str |
URGS |
network_name_str |
Biblioteca Digital de Teses e Dissertações da UFRGS |
repository_id_str |
1853 |
spelling |
Barros, Rhuan Paulo LopesWives, Leandro Krug2022-01-27T04:31:20Z2021http://hdl.handle.net/10183/234492001136148Existe uma preocupação crescente de que a Justiça do Trabalho brasileira esteja demasi adamente inclinada a proteger empregados em relação a empregadores. Além disso, as próprias empresas nas suas relações empregado-empregador encontram-se inseguras em relação a quais decisões serão tomadas pelos magistrados em seus processos judiciais. Por outro lado, novas soluções tecnológicas estão sendo implementadas com intuito de aumentar a eficiência judiciária brasileira, como, por exemplo, Processo Judicial Eletrônico (PJe). Esse sistema permite a tramitação completa do processo judicial de maneira digital, contendo atualmente milhões de ações em tramitação. Entretanto, a exploração dessa massa de documentos judiciais não é trivial, pois tais documentos encontram-se disponibilizados em texto puro sem o enriquecimento necessário para a extração de conhecimento de valor. Dessa maneira, a presente pesquisa empregou técnicas de Aprendizado de Máquina Supervisionado a fim de verificar se seria possível observar eventual tendência de julgamento de determinados tribunais utilizando métodos computacionais. Desse modo, foi desenvolvida uma base de dados padrão-ouro a qual foi utilizada para a realização de testes, e também foi desenvolvida automaticamente uma base de treinamento por meio de técnica de Supervisão Fraca. Após, uma base de decisões judiciais de mais de 20 mil documentos foi classificada utilizando um modelo treinado com o algoritmo Gradient Boosting o qual obteve 92% na métrica F1 macro. Assim, foi possível observar diferença estatística na proporção de julgamentos a favor dos empregados em ambos os tribunais.There is growing concern that the Brazilian Labor Court is too inclined to protect em ployees over employers. In addition, in their employee-employer relations, the compa nies themselves are unsure of what decisions will be taken by magistrates in their legal proceedings. On the other hand, new technological solutions are being implemented in order to increase the Brazilian judicial efficiency, such as, for example, the Electronic Ju dicial Process (PJe). This system allows the complete processing of the judicial process digitally, currently containing millions of lawsuits in process. However, the exploration of this mass of court documents is not trivial as such documents are available in plain text without the necessary enrichment to extract valuable knowledge. Thus, this research used Supervised Machine Learning techniques in order to verify if it would be possible to observe a possible tendency to judge of certain courts using computational methods. Thus, a gold standard database was developed, which was used for testing, and a train ing database was also automatically developed using the Weak Supervision technique. Afterward, a court decision base of more than 20 thousand documents was classified us ing a model trained with the Gradient Boosting algorithm that obtained 92% in the F1 macro metric. Thus, it was possible to observe a statistical difference in the proportion of judgments in favor of employees in both courts.application/pdfporAprendizado de máquinaMineração de dadosWeak SupervisionText ClassificationJu rimetryLaw textLegal TextAnálise de decisões judiciais utilizando aprendizado de máquina com supervisão fracaAnalysis of court decisions using machine learning with weak supervision info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal do Rio Grande do SulInstituto de InformáticaPrograma de Pós-Graduação em ComputaçãoPorto Alegre, BR-RS2021mestradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001136148.pdf.txt001136148.pdf.txtExtracted Texttext/plain276628http://www.lume.ufrgs.br/bitstream/10183/234492/2/001136148.pdf.txt610c64e154bd2c586bb1ecb0ee3e6a97MD52ORIGINAL001136148.pdfTexto completoapplication/pdf3014365http://www.lume.ufrgs.br/bitstream/10183/234492/1/001136148.pdf8e3d1088e667340b7697300f319c48eaMD5110183/2344922022-02-22 04:51:49.118318oai:www.lume.ufrgs.br:10183/234492Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532022-02-22T07:51:49Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false |
dc.title.pt_BR.fl_str_mv |
Análise de decisões judiciais utilizando aprendizado de máquina com supervisão fraca |
dc.title.alternative.en.fl_str_mv |
Analysis of court decisions using machine learning with weak supervision |
title |
Análise de decisões judiciais utilizando aprendizado de máquina com supervisão fraca |
spellingShingle |
Análise de decisões judiciais utilizando aprendizado de máquina com supervisão fraca Barros, Rhuan Paulo Lopes Aprendizado de máquina Mineração de dados Weak Supervision Text Classification Ju rimetry Law text Legal Text |
title_short |
Análise de decisões judiciais utilizando aprendizado de máquina com supervisão fraca |
title_full |
Análise de decisões judiciais utilizando aprendizado de máquina com supervisão fraca |
title_fullStr |
Análise de decisões judiciais utilizando aprendizado de máquina com supervisão fraca |
title_full_unstemmed |
Análise de decisões judiciais utilizando aprendizado de máquina com supervisão fraca |
title_sort |
Análise de decisões judiciais utilizando aprendizado de máquina com supervisão fraca |
author |
Barros, Rhuan Paulo Lopes |
author_facet |
Barros, Rhuan Paulo Lopes |
author_role |
author |
dc.contributor.author.fl_str_mv |
Barros, Rhuan Paulo Lopes |
dc.contributor.advisor1.fl_str_mv |
Wives, Leandro Krug |
contributor_str_mv |
Wives, Leandro Krug |
dc.subject.por.fl_str_mv |
Aprendizado de máquina Mineração de dados |
topic |
Aprendizado de máquina Mineração de dados Weak Supervision Text Classification Ju rimetry Law text Legal Text |
dc.subject.eng.fl_str_mv |
Weak Supervision Text Classification Ju rimetry Law text Legal Text |
description |
Existe uma preocupação crescente de que a Justiça do Trabalho brasileira esteja demasi adamente inclinada a proteger empregados em relação a empregadores. Além disso, as próprias empresas nas suas relações empregado-empregador encontram-se inseguras em relação a quais decisões serão tomadas pelos magistrados em seus processos judiciais. Por outro lado, novas soluções tecnológicas estão sendo implementadas com intuito de aumentar a eficiência judiciária brasileira, como, por exemplo, Processo Judicial Eletrônico (PJe). Esse sistema permite a tramitação completa do processo judicial de maneira digital, contendo atualmente milhões de ações em tramitação. Entretanto, a exploração dessa massa de documentos judiciais não é trivial, pois tais documentos encontram-se disponibilizados em texto puro sem o enriquecimento necessário para a extração de conhecimento de valor. Dessa maneira, a presente pesquisa empregou técnicas de Aprendizado de Máquina Supervisionado a fim de verificar se seria possível observar eventual tendência de julgamento de determinados tribunais utilizando métodos computacionais. Desse modo, foi desenvolvida uma base de dados padrão-ouro a qual foi utilizada para a realização de testes, e também foi desenvolvida automaticamente uma base de treinamento por meio de técnica de Supervisão Fraca. Após, uma base de decisões judiciais de mais de 20 mil documentos foi classificada utilizando um modelo treinado com o algoritmo Gradient Boosting o qual obteve 92% na métrica F1 macro. Assim, foi possível observar diferença estatística na proporção de julgamentos a favor dos empregados em ambos os tribunais. |
publishDate |
2021 |
dc.date.issued.fl_str_mv |
2021 |
dc.date.accessioned.fl_str_mv |
2022-01-27T04:31:20Z |
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.uri.fl_str_mv |
http://hdl.handle.net/10183/234492 |
dc.identifier.nrb.pt_BR.fl_str_mv |
001136148 |
url |
http://hdl.handle.net/10183/234492 |
identifier_str_mv |
001136148 |
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.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da UFRGS instname:Universidade Federal do Rio Grande do Sul (UFRGS) instacron:UFRGS |
instname_str |
Universidade Federal do Rio Grande do Sul (UFRGS) |
instacron_str |
UFRGS |
institution |
UFRGS |
reponame_str |
Biblioteca Digital de Teses e Dissertações da UFRGS |
collection |
Biblioteca Digital de Teses e Dissertações da UFRGS |
bitstream.url.fl_str_mv |
http://www.lume.ufrgs.br/bitstream/10183/234492/2/001136148.pdf.txt http://www.lume.ufrgs.br/bitstream/10183/234492/1/001136148.pdf |
bitstream.checksum.fl_str_mv |
610c64e154bd2c586bb1ecb0ee3e6a97 8e3d1088e667340b7697300f319c48ea |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS) |
repository.mail.fl_str_mv |
lume@ufrgs.br||lume@ufrgs.br |
_version_ |
1810085575161544704 |