Extração de Informação Jurídica com LLMs e RAG: um Estudo sobre Casos de Feminicídio

• Barbara Martínez de Lucena Universidade Federal de Santa Catarina (UFSC) http://orcid.org/0000-0002-2512-6625
• Carina F. Dorneles Universidade Federal de Santa Catarina (UFSC)

DOI: https://doi.org/10.5753/sbbd_estendido.2026.249677

Resumo

Documentos jurídicos são longos, complexos e escritos em linguagem técnica, o que dificulta a extração automática de informações. Este trabalho investiga o uso de Modelos de Linguagem de Grande Escala (LLMs) para extrair dados estruturados de documentos jurídicos sobre feminicídio. Comparamos duas estratégias: extração direta com LLMs e um pipeline que combina LLMs, Retrieval-Augmented Generation (RAG) e prompts zero-shot. Os experimentos utilizam Qwen 2.5, Llama 3.3 e Gemma 3 para extrair atributos relacionados ao crime, à investigação e ao processo judicial. Os resultados são comparados com uma base anotada manualmente por meio da acurácia por modelo e atributo. Os resultados preliminares indicam que a abordagem com RAG melhora o desempenho em relação à extração direta, contribuindo para transformar documentos jurídicos não estruturados em dados estruturados para estudos sobre feminicídio.

Palavras-chave: Extração de Informação, Modelos de Linguagem de Grande Escala, Retrieval-Augmented Generation, Documentos Jurídicos, Feminicídio

Referências

Ashley, K. D. (2017). Artificial Intelligence and Legal Analytics: New Tools for Law Practice in the Digital Age. Cambridge University Press.

Chalkidis, I., Fergadiotis, M., Malakasiotis, P., Aletras, N., and Androutsopoulos, I. (2020). LEGAL-BERT: The muppets straight out of law school. In Cohn, T., He, Y., and Liu, Y., editors, Findings of the Association for Computational Linguistics: EMNLP 2020, pages 2898–2904, Online. Association for Computational Linguistics.

Chalkidis, I., Jana, A., Hartung, D., Bommarito, M., Androutsopoulos, I., Katz, D. M., and Aletras, N. (2022). LexGLUE: A benchmark dataset for legal language understanding in english. In Proceedings of the 60th Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers), pages 4310–4330. Association for Computational Linguistics.

El Hamdani, R., Bonald, T., Malliaros, F., Holzenberger, N., and Suchanek, F. (2024). The factuality of large language models in the legal domain. In Proceedings of the 33rd ACM International Conference on Information and Knowledge Management. Association for Computing Machinery.

Katz, D. M., Hartung, D., Gerlach, L., Jana, A., and Bommarito, M. J. (2023). Natural language processing in the legal domain. arXiv preprint arXiv:2302.12039.

Lai, J., Gan, W., Wu, J., Qi, Z., and Yu, P. S. (2024). Large language models in law: A survey. AI Open, 5:181–196.

Lewis, P., Perez, E., Piktus, A., Petroni, F., Karpukhin, V., Goyal, N., Küttler, H., Lewis, M., Yih, W.-t., Rocktäschel, T., Riedel, S., and Kiela, D. (2020). Retrieval-augmented generation for knowledge-intensive NLP tasks. In Advances in Neural Information Processing Systems, volume 33, pages 9459–9474.

Liu, N. F., Lin, K., Hewitt, J., Paranjape, A., Bevilacqua, M., Petroni, F., and Liang, P. (2024). Lost in the middle: How language models use long contexts. Transactions of the Association for Computational Linguistics, 12:157–173.

Siino, M., Falco, M., Croce, D., and Rosso, P. (2025). Exploring LLMs applications in law: A literature review on current legal NLP approaches. IEEE Access, 13:18253–18276.

Sun, Z. (2023). A short survey of viewing large language models in legal aspect. arXiv preprint arXiv:2303.09136.

Zhong, H., Xiao, C., Tu, C., Zhang, T., Liu, Z., and Sun, M. (2020). How does NLP benefit legal system: A summary of legal artificial intelligence. In Jurafsky, D., Chai, J., Schluter, N., and Tetreault, J., editors, Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics, pages 5218–5230, Online. Association for Computational Linguistics.