Identificando Divergências Jurisprudenciais com Técnicas de Inteligência Artificial para Apoio de Sistemas de Informação Judiciais
Resumo
Este trabalho investiga a aplicação de técnicas de processamento de linguagem natural e aprendizado de máquina para apontar divergências jurisprudenciais, contribuindo para a segurança jurídica. A metodologia adotada envolve a extração de 3.163 acórdãos do Tribunal de Justiça de Minas Gerais, o pré-processamento dos textos, a geração de embeddings por meio da técnica Word2Vec e a utilização do algoritmo K-Means para agrupar decisões com base em suas semelhanças e divergências semânticas. São apresentados exemplos de decisões discrepantes, demonstrando o potencial da proposta na promoção da uniformização jurisprudencial. Os resultados podem apoiar o desenvolvimento de sistemas de informação que apoiem a interpretação do direito e promovam segurança jurídica através da previsibilidade das decisões para uma sociedade mais justa, com maior equidade, inclusão e diversidade.
Referências
Brasil (2015). Código de Processo Civil. Lei No 13.105, de 16 de março de 2015.
Canotilho, J. J. G. (1993). Direito Constitucional e Teoria da Constituição - Ed. 7. Coimbra.
Castro, M. and Neves, A. (2024). Pln e segurança jurídica: Identificação de divergências jurisprudenciais com processamento de linguagem natural. In Anais do XV Simpósio Brasileiro de Tecnologia da Informação e da Linguagem Humana, pages 451–456, Porto Alegre, RS, Brasil. SBC.
Gomes, T. A. (2021). Avaliação de técnicas de similaridade textual na uniformização de jurisprudência. Disponível [link]. Acessado em 24/02/2025.
Lima, J. P. and Costa, J. A. (2022). Comparing clustering techniques on brazilian legal document datasets. In Hybrid Artificial Intelligent Systems, pages 98–110. Springer.
Maaten, L. and Hinton, G. (2008). Visualizing data using t-sne. Journal of machine learning research, Vol. 9:p. 2579 – 2605.
Magalhães, D.; Pozo, A. e. M. S. (2023). Técnicas de aprendizado de máquinas aplicadas à classificação de decisões judiciais. Revista de Estudos Empíricos em Direito.
Magalhães, D., Júnior, E. L., Rozendo, J., Vilanova, G., Lustosa, J., Sales, L., Cavalcante, J., and Júnior, J. A. (2024). Julia: Transformando a justiça no piauícom inteligência artificial. In Anais da XII Escola Regional de Computação do Ceará, Maranhão e Piauí, pages 61–70, Porto Alegre, RS, Brasil. SBC.
Marinato, M., Junior, A. J., Lobato, F., and Cortes, O. (2022). Classificação automática de petições iniciais usando classificadores combinados. In Anais do XVI Brazilian e-Science Workshop, pages 89–96, Porto Alegre, RS, Brasil. SBC.
Martins, A. D. M. (2018). Agrupamento automático de documentos jurídicos com uso de inteligência artificial. Disponível [link]. Acessado em 08/06/2024.
Mikolov, T., Chen, K., Corrado, G., and Dean, J. (2013). Efficient estimation of word representations in vector space. In Int. Conf. on Learning Representations.
Moreira, M. and Moura, P. N. (2023). A tecnologia como suporte para o judiciário e o acesso à justiça: uma proposta de aplicação no Âmbito da violência doméstica. In Anais Estendidos do XIX Simpósio Brasileiro de Sistemas de Informação, pages 48–57, Porto Alegre, RS, Brasil. SBC.
Pajankar, A. and Joshi, A. (2022). Hands-on Machine Learning with Python: Implement Neural Network Solutions with Scikit-learn and PyTorch. Apress, Berkeley, CA.
Polo, F. M., Mendonça, G. C. F., Parreira, K. C. J., Gianvechio, L., Cordeiro, P., Ferreira, J. B., Lima, L. M. P., Maia, A. C., and Vicente, R. (2021). Legalnlp-natural language processing methods for the brazilian legal language. In Anais do XVIII Encontro Nacional de Inteligência Artificial e Computacional, pages 763–774. SBC.
Rousseeuw, P. J. (1987). Silhouettes: a graphical aid to the interpretation and validation of cluster analysis. Journal of computational and applied mathematics, 20:53–65.
Sabo, I. C., Dal Pont, T. R., Wilton, P. E. V., Rover, A. J., and Hübner, J. F. (2022). Clustering of brazilian legal judgments about failures in air transport service: an evaluation of different approaches. Artificial Intelligence and Law, 30(1):21–57.
Sidorov, G. and Pinto, D. (2014). Soft similarity and soft cosine measure: Similarity of features in vector space model. Computación y Sistemas, pages 324 – 344.
Teixeira, R. L. C. J. (2024). A influência das teorias jurídicas na aplicação da inteligência artificial no judiciário. In Anais da 1ª Conferência Latino-Americana de Ética em Inteligência Artificial, pages 17–20, Porto Alegre, RS, Brasil. SBC.
Xia, C., He, T., Li, W., Qin, Z., and Zou, Z. (2019). Similarity analysis of law documents based on word2vec. In 2019 IEEE 19th Int. Conf. on Software Quality, Reliability and Security Companion (QRS-C), pages 354–357.
Canotilho, J. J. G. (1993). Direito Constitucional e Teoria da Constituição - Ed. 7. Coimbra.
Castro, M. and Neves, A. (2024). Pln e segurança jurídica: Identificação de divergências jurisprudenciais com processamento de linguagem natural. In Anais do XV Simpósio Brasileiro de Tecnologia da Informação e da Linguagem Humana, pages 451–456, Porto Alegre, RS, Brasil. SBC.
Gomes, T. A. (2021). Avaliação de técnicas de similaridade textual na uniformização de jurisprudência. Disponível [link]. Acessado em 24/02/2025.
Lima, J. P. and Costa, J. A. (2022). Comparing clustering techniques on brazilian legal document datasets. In Hybrid Artificial Intelligent Systems, pages 98–110. Springer.
Maaten, L. and Hinton, G. (2008). Visualizing data using t-sne. Journal of machine learning research, Vol. 9:p. 2579 – 2605.
Magalhães, D.; Pozo, A. e. M. S. (2023). Técnicas de aprendizado de máquinas aplicadas à classificação de decisões judiciais. Revista de Estudos Empíricos em Direito.
Magalhães, D., Júnior, E. L., Rozendo, J., Vilanova, G., Lustosa, J., Sales, L., Cavalcante, J., and Júnior, J. A. (2024). Julia: Transformando a justiça no piauícom inteligência artificial. In Anais da XII Escola Regional de Computação do Ceará, Maranhão e Piauí, pages 61–70, Porto Alegre, RS, Brasil. SBC.
Marinato, M., Junior, A. J., Lobato, F., and Cortes, O. (2022). Classificação automática de petições iniciais usando classificadores combinados. In Anais do XVI Brazilian e-Science Workshop, pages 89–96, Porto Alegre, RS, Brasil. SBC.
Martins, A. D. M. (2018). Agrupamento automático de documentos jurídicos com uso de inteligência artificial. Disponível [link]. Acessado em 08/06/2024.
Mikolov, T., Chen, K., Corrado, G., and Dean, J. (2013). Efficient estimation of word representations in vector space. In Int. Conf. on Learning Representations.
Moreira, M. and Moura, P. N. (2023). A tecnologia como suporte para o judiciário e o acesso à justiça: uma proposta de aplicação no Âmbito da violência doméstica. In Anais Estendidos do XIX Simpósio Brasileiro de Sistemas de Informação, pages 48–57, Porto Alegre, RS, Brasil. SBC.
Pajankar, A. and Joshi, A. (2022). Hands-on Machine Learning with Python: Implement Neural Network Solutions with Scikit-learn and PyTorch. Apress, Berkeley, CA.
Polo, F. M., Mendonça, G. C. F., Parreira, K. C. J., Gianvechio, L., Cordeiro, P., Ferreira, J. B., Lima, L. M. P., Maia, A. C., and Vicente, R. (2021). Legalnlp-natural language processing methods for the brazilian legal language. In Anais do XVIII Encontro Nacional de Inteligência Artificial e Computacional, pages 763–774. SBC.
Rousseeuw, P. J. (1987). Silhouettes: a graphical aid to the interpretation and validation of cluster analysis. Journal of computational and applied mathematics, 20:53–65.
Sabo, I. C., Dal Pont, T. R., Wilton, P. E. V., Rover, A. J., and Hübner, J. F. (2022). Clustering of brazilian legal judgments about failures in air transport service: an evaluation of different approaches. Artificial Intelligence and Law, 30(1):21–57.
Sidorov, G. and Pinto, D. (2014). Soft similarity and soft cosine measure: Similarity of features in vector space model. Computación y Sistemas, pages 324 – 344.
Teixeira, R. L. C. J. (2024). A influência das teorias jurídicas na aplicação da inteligência artificial no judiciário. In Anais da 1ª Conferência Latino-Americana de Ética em Inteligência Artificial, pages 17–20, Porto Alegre, RS, Brasil. SBC.
Xia, C., He, T., Li, W., Qin, Z., and Zou, Z. (2019). Similarity analysis of law documents based on word2vec. In 2019 IEEE 19th Int. Conf. on Software Quality, Reliability and Security Companion (QRS-C), pages 354–357.
Publicado
19/05/2025
Como Citar
CASTRO, Marcella Queiroz de; RALHA, Célia Ghedini.
Identificando Divergências Jurisprudenciais com Técnicas de Inteligência Artificial para Apoio de Sistemas de Informação Judiciais. In: TRILHA DE TEMAS, IDEIAS E RESULTADOS EMERGENTES EM SISTEMAS DE INFORMAÇÃO - SIMPÓSIO BRASILEIRO DE SISTEMAS DE INFORMAÇÃO (SBSI), 21. , 2025, Recife/PE.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2025
.
p. 289-295.
DOI: https://doi.org/10.5753/sbsi_estendido.2025.246851.
