Automação da Classificação de Documentos do Ministério Público de acordo com os Objetivos de Desenvolvimento Sustentável utilizando Processamento de Linguagem Natural

• Pedro P. Berger Ministério Público do Estado do Espírito Santo (MPES)
• Matheus W. Souza Ministério Público do Estado do Espírito Santo (MPES)
• Heitor Quartezani Ministério Público do Estado do Espírito Santo (MPES)
• Guilherme Merisio Ministério Público do Estado do Espírito Santo (MPES)
• Iara A. Fazolo Ministério Público do Estado do Espírito Santo (MPES)
• Luciana G. F. Andrade Ministério Público do Estado do Espírito Santo (MPES)
• Sandro T. Silva Ministério Público do Estado do Espírito Santo (MPES)

DOI: https://doi.org/10.5753/sbbd_estendido.2024.244017

Resumo

O presente trabalho aborda a classificação de procedimentos do Ministério Público do Estado do Espírito Santo (MPES) conforme os Objetivos de Desenvolvimento Sustentável (ODS) para promover transparência e eficiência. Utilizando técnicas de Processamento de Linguagem Natural (NLP) e engenharia de dados, a metodologia proposta envolve quatro etapas: classificação inicial, pré-processamento, extração de características e classificação. Os resultados preliminares indicam boa precisão na classificação dos documentos utilizando técnicas de simples aplicação.

Palavras-chave: Classificação de Documentos, ODS, PLN

Referências

Bergstra, J., Bardenet, R., Bengio, Y., & Kégl, B. (2011). Algorithms for Hyper-Parameter Optimization. In Proceedings of the 24th International Conference on Neural Information Processing Systems (pp. 2546-2554).

Bird, S., Klein, E., & Loper, E. (2009). Natural Language Processing with Python: Analyzing Text with the Natural Language Toolkit. O'Reilly Media, Inc.

Chen, T., & Guestrin, C. (2016). XGBoost: A Scalable Tree Boosting System. In Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (pp. 785-794).

Conselho Nacional do Ministério Público. (2011). Resolução nº 74, de 19 de julho de 2011. Diário Oficial da União, Seção 1, 19 ago. 2011. Disponível em [link]

Fux, L., Santos, P. F. de O., Braga, A. C. D., Edokawa, P. S. D., & Castro, J. L. S. de. (2022). “Classificação de processos judiciais segundo Objetivos de Desenvolvimento Sustentável da Agenda ONU 2030”. Revista da CGU, 14(26), 173-189. DOI: 10.36428/revistadacgu.v14i26.548

Jones, K. S. (1972). A statistical interpretation of term specificity and its application in retrieval. Journal of Documentation, 28(1), 11-21.

OpenAI. (2023). GPT-3.5 Turbo: Advanced Language Models for Various Applications. OpenAI. Disponível em [link]

Opitz, D., & Maclin, R. (1999). Popular ensemble methods: An empirical study. Journal of Artificial Intelligence Research, 11, 169-198.

Organização das Nações Unidas. (2015). Transformando Nosso Mundo: A Agenda 2030 para o Desenvolvimento Sustentável. Disponível em [link]

Pedregosa, F., Varoquaux, G., Gramfort, A., Michel, V., Thirion, B., Grisel, O., ... & Duchesnay, E. (2011). Scikit-learn: Machine learning in Python. Journal of Machine Learning Research, 12, 2825-2830.

Van Rijsbergen, C. J. (1979). Information Retrieval (2nd ed.). Butterworth-Heinemann.

Van Rossum, G., & Drake, F. L. (2009). Python 3 Reference Manual. Scotts Valley, CA: CreateSpace.