dc.contributor.author | Silva, Jonathan Santos | |
dc.date.accessioned | 2023-04-13T18:31:54Z | |
dc.date.available | 2023-04-13T18:31:54Z | |
dc.date.issued | 2023-03-28 | |
dc.identifier.citation | SILVA, Jonathan Santos. Classificação de decisões judiciais sobre dados presentes no diário eletrônico da justiça do trabalho (DEJT). 2023. Trabalho de Conclusão de Curso (Graduação em Engenharia de Computação) – Universidade Federal de São Carlos, São Carlos, 2023. Disponível em: https://repositorio.ufscar.br/handle/ufscar/17735. | * |
dc.identifier.uri | https://repositorio.ufscar.br/handle/ufscar/17735 | |
dc.description.abstract | Efficiently classifying legal decisions as approved or rejected is critical to ensuring a fair and effective justice system. This study presents a solution for this task, using machine learning techniques. The proposed solution involves data structuring, unit identification,
labeling by experts, and training a machine learning model. O study included an exploratory analysis of source data and pre-processing techniques text for cleaning and normalizing the data. The proposed model achieved a rate high accuracy of 96%. Finally, we validate the model using external data and real cases. The results suggest that the model has the potential to be an effective solution for classifying legal decisions accurately and quickly. | eng |
dc.description.sponsorship | Não recebi financiamento | por |
dc.language.iso | por | por |
dc.publisher | Universidade Federal de São Carlos | por |
dc.rights | Attribution 3.0 Brazil | * |
dc.rights.uri | http://creativecommons.org/licenses/by/3.0/br/ | * |
dc.subject | Data mining | eng |
dc.subject | Jurimetria | por |
dc.title | Classificação de decisões judiciais sobre dados presentes no diário eletrônico da justiça do trabalho (DEJT) | por |
dc.title.alternative | Classification of court decisions on data present in the electronic diary of the justice of the work (DEJT) | eng |
dc.type | TCC | por |
dc.contributor.advisor1 | Ribeiro, Marcela Xavier | |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/0300141044144026 | por |
dc.description.resumo | A capacidade de classificar de maneira eficiente as decisões jurídicas como aprovadas ou rejeitadas é fundamental para garantir um sistema de justiça justo e eficaz. Neste estudo, apresentamos uma solução para essa tarefa, utilizando técnicas de aprendizado de máquina. A solução proposta envolve a estruturação dos dados, a identificação das unidades, a rotulagem por especialistas e o treinamento de um modelo de aprendizado de máquina. O estudo incluiu uma análise exploratória dos dados fonte e técnicas de pré-processamento de texto para limpeza e normalização dos dados. O modelo proposto alcançou uma taxa
de acurácia alta de 96%. Por fim, validamos o modelo utilizando um conjunto de dados externo e casos reais. Os resultados sugerem que o modelo tem potencial para ser uma solução efetiva para classificar decisões jurídicas de forma precisa e rápida. | por |
dc.publisher.initials | UFSCar | por |
dc.subject.cnpq | CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | por |
dc.publisher.address | Câmpus São Carlos | por |
dc.identifier.url | https://github.com/perebaj/playground/tree/main/etl_dejt | por |
dc.identifier.url | https://colab.research.google.com/drive/1iivSVTwML7vmdnc_ CtK05G28_7CD9fuq?usp=sharing | por |
dc.publisher.course | Engenharia de Computação - EC | por |