Classificação de processos judiciais segundo Objetivos de Desenvolvimento Sustentável da Agenda ONU 2030
DOI:
https://doi.org/10.36428/revistadacgu.v14i26.548Palavras-chave:
Agenda ONU 2030. Processamento de Linguagem Natural. Aprendizagem de Máquina. Redes Neurais.Resumo
RESUMO
O Supremo Tribunal Federal (STF), a partir de novembro de 2020, classifica alguns de seus processos em Objetivos de Desenvolvimento Sustentável (ODS) da Agenda 2030 da ONU. O objetivo desta classificação é integrar efetivamente a Agenda no dia a dia do tribunal. Neste contexto, uma ferramenta para apoio tecnológico à classificação tem imenso potencial para automatizar as tarefas manuais e repetitivas de ler as peças e registrar as etiquetas. A iniciativa RAFA 2030 surgiu com o objetivo de ajudar os servidores a melhor classificar os processos. Este artigo tem os objetivos de apresentar a integração entre a Agenda 2030 e a rotina da corte e a própria ferramenta tecnológica RAFA 2030, em seus aspectos técnicos de desenvolvimento. Atualmente, as principais entregas deste projeto consistem em ferramentas gráficas para processamento de linguagem natural (co-ocurrence graphs, nuvem de palavras), algoritmos de aprendizagem de máquina, redes neurais, busca por contexto e contagem de palavras-chave, além de outras ferramentas disponíveis em R (Shiny) e Python (Keras, Tensorflow e Pytorch). Os resultados iniciais sugerem imenso potencial para aplicações de NLP e aprendizagem de máquina na classificação de documentos jurídicos em temas da Agenda 2030.
Downloads
Referências
CNJ - Conselho Nacional de Justiça. Programa Justiça 4.0. 2022. Disponível em: https://www.cnj.jus.br/tecnologia-da-informacao-e-comunicacao/justica-4-0/. Acesso em: 10 mai. 2022.
______. Projetos com Inteligência Artificial no Poder Judiciário. 2022. Disponível em: https://paineisanalytics.cnj.jus.br/single/?appid=29d710f7-8d8f-47be-8af8-a9152545b771&sheet=b8267e5a-1f1f-41a7-90ff-d7a2f4ed34ea&lang=pt-BR&opt=ctxmenu,currsel/. Acesso em: 11 mai. 2022.
DAVID, M. S.; RENJITH, S. Comparison of word embeddings in text classification based on RNN and CNN. In: IOP Conference Series: Materials Science and Engineering. IOP Publishing, 2021. p. 012029. Disponível em: https://doi.org/10.1088/1757-899x/1187/1/012029. Acesso em: 12 mai. 2022.
FGV - Fundação Getúlio Vargas. Portal FGV. 2021. Artificial Intelligence in the Judiciary: the most complete research on the subject. Disponível em: https://portal.fgv.br/en/news/artificial-intelligence-judiciary-most-complete-research-subject. Acesso em: 04 de mai. 2022.
GANAIE, M. A. et al. Ensemble deep learning: A review. arXiv preprint arXiv:2104.02395. 2021. Disponível em: https://doi.org/10.48550/arXiv.2104.02395. Acesso em: 12 mai. 2022.
GUPTA, S. et al. Task-optimized word embeddings for text classification representations. Frontiers in Applied Mathematics and Statistics, v. 5, p. 67, 2020. Disponível em: https://doi.org/10.3389/fams.2019.00067. Acesso em: 12 mai. 2022.
HOSSIN, M.; SULAIMAN, M. N. A review on evaluation metrics for data classification evaluations. International journal of data mining & knowledge management process, v. 5, n. 2, p. 1, 2015. Disponível em: http://dx.doi.org/10.5121/ijdkp.2015.5201. Acesso em: 06 jun. 2022.
HOVY, D. Text Analysis in Python for Social Scientists: Prediction and Classification. Cambridge University Press, 2021. Disponível em: https://doi.org/10.48550/arXiv.2104.02395. Acesso em: 06 jun. 2022.
HVITFELDT, E.; SILGE, J. Supervised machine learning for text analysis in R. Chapman and Hall/CRC, 2021.
JOCKERS, M. L. Text analysis with R for students of literature. Cham: Springer, 2014.
KULAS, Jack. Philosophy and Natural-Language Processing. In: Kulas, J., Fetzer, J.H., Rankin, T.L. (eds) Philosophy, Language, and Artificial Intelligence. Studies in Cognitive Systems, vol 2. Springer, Dordrecht. 1988. Disponível em: https://doi.org/10.1007/978-94-009-2727-8_1. Acesso em: 07 abr. 2022.
LIU, Bing. Sentiment analysis: Mining opinions, sentiments, and emotions. Cambridge university press, 2020.
LIU, Q.; KUSNER, M. J.; BLUNSOM, P. A survey on contextual embeddings. arXiv preprint arXiv:2003.07278, 2020. Disponível em: https://doi.org/10.48550/arXiv.2003.07278. Acesso em: 15 abr. 2022.
MARTIN, J. H. Speech and language processing: An introduction to natural language processing, computational linguistics, and speech recognition. Pearson/Prentice Hall, 2009.
MEIJER, H. J.; TRUONG, J.; KARIMI, R. Document embedding for scientific articles: Efficacy of word embeddings vs TFIDF., 2021. Disponível em: https://doi.org/10.48550/arXiv.2107.05151. Acesso em: 12 mai. 2022.
NAY, J. Natural Language Processing for Legal Texts. In D. Katz, R. Dolin, & M. Bommarito (Eds.), Legal Informatics (pp. 99-113). Cambridge: Cambridge University Press. 2021. Disponível em: https://doi.org/10.1017/9781316529683.011. Acesso em: 07 abr. 2022.
OOMS, J. 2022. Tesseract: Open Source OCR Engine. Disponível em: https://CRAN.R-project.org/package=tesseract. Acesso em: 02 fev. 2022.
PEIXOTO, F. H. Projeto Victor: relato do desenvolvimento da inteligência artificial na repercussão geral do Supremo Tribunal Federal. Revista Brasileira de Inteligência Artificial e Direito-RBIAD, v. 1, n. 1, p. 1-22, 2020.
PYTHON SOFTWARE FOUNDATION. Python Language, 2022. Disponível em: https://www.python.org/. Acesso em: 06 jun. 2022.
R CORE TEAM. R: A language and environment for statistical computing. Vienna, Austria: R Foundation for Statistical Computing, 2022. Disponível em: https://www.R-project.org/. Acesso em: 06 jun. 2022.
SHERSTINSKY, A. Fundamentals of recurrent neural network (RNN) and long short-term memory (LSTM) network. Physica D: Nonlinear Phenomena, v. 404, p. 132306, 2020. Disponível em: https://doi.org/10.48550/arXiv.1808.03314. Acesso em: 06 jun. 2022.
STF - Supremo Tribunal Federal. Hotsite Agenda 2030 STF. 2022. Disponível em: http://portal.stf.jus.br/hotsites/agenda-2030/. Acesso em: 11 abr. 2022.
______. Painel: STF e Agenda 2030. 2022. Metadados de processos. Disponível em: https://transparencia.stf.jus.br/single/?appid=bc086310-9ce5-4b55-9a8a-e420a907ccca&sheet=db127d33-d4c1-47e0-8bab-3079214719c6&opt=ctxmenu. Acesso em: 11 abr. 2022.
STJ - Superior Tribunal de Justiça. Revolução tecnológica e desafios da pandemia marcaram gestão do ministro Noronha na presidência do STJ. 2020. Disponível em: https://www.stj.jus.br/sites/portalp/Paginas/Comunicacao/Noticias/23082020-Revolucao-tecnologica-e-desafios-da-pandemia-marcaram-gestao-do-ministro-Noronha-na-presidencia-do-STJ.aspx. Acesso em: 14 mai. 2022.
TJGO - Tribunal de Justiça do Estado de Goiás. Lançamento Oficial da ferramenta Berna - Sistema de Inteligência Artificial. Youtube, 26 mai. 2020. Disponível em: https://www.youtube.com/watch?v=MY8OG7UGdhM. Acesso em: 14 mai. 2022.
VAJJALA, S. et al. Practical natural language processing: a comprehensive guide to building real-world NLP systems. O'Reilly Media, 2020.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2022 Revista da CGU

Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
A Revista da CGU segue a uma Licença Creative Commons Atribuição 4.0 Internacional (CC BY), que permite o uso e compartilhamento dos trabalhos publicados, desde que se atribua crédito aos autores e fontes. Os conteúdos publicados até 2019 contam com permissão genérica para uso e compartilhamento com indicação obrigatória de autoria e fonte.
Ressaltamos alguns pontos essenciais e não exaustivos relacionados:
- A submissão da contribuição implica compromisso de não a submeter a outro periódico e autoriza, caso aprovado, a sua publicação.
- A submissão da contribuição implica também que os autores concordam com a publicação, sem que disso resulte remuneração, reembolso ou compensação de qualquer natureza.
- Os trabalhos publicados são de responsabilidade dos autores, não representando, necessariamente, a opinião da Revista da CGU.
- A responsabilidade por eventuais plágios, fraudes ou imprecisões são de responsabilidade dos autores.
- O responsável pela submissão declara, sob as penas da Lei, que a informação sobre a autoria do trabalho é absolutamente completa e verdadeira.
Destacam-se, ainda, os demais itens relacionados às Políticas Editoriais, em especial sobre a Missão e Escopo, Ética da Publicação, Processo de Avaliação pelos Pares e Política de Acesso Livre.