Similaridade Semântica entre Processos Judiciais: Uma Abordagem para Identificação de Litigância Predatória

Neto, Jonas Carvalho de Sousa

Use este identificador para citar ou linkar para este item: https://repositorio.uema.br/jspui/handle/123456789/4586

Título:	Similaridade Semântica entre Processos Judiciais: Uma Abordagem para Identificação de Litigância Predatória
Título(s) alternativo(s):	Semantic Similarity between Legal Proceedings: An Approach to Identifying Predatory Litigation
Autor(es):	Neto, Jonas Carvalho de Sousa
Orientador:	Justino, Adrielson Ferreira
Membro da Banca:	Jacob Júnior, AntônioFernandoLavareda
Membro da Banca:	Carmo, Fabrício Almeida do
Data do documento:	2025-02-17
Editor:	Universidade Estadual do Maranhão
Resumo:	Segundo o Conselho Nacional de Justiça, o Poder Judiciário Brasileiro recebe anualmente mais de 30milhões de processos judiciais .Esse volume excessivo dedados evidencia a necessidade de soluções automatizadas para aumentar a eficiência e a produtividade do sistema judiciário. Nesse cenário, um dos desafios enfrentados é alitigância predatória, caracterizada pela protocolação de ações judiciais de má-fé, nas quais as mesmas partes (autor, réu e advogado) submetem múltiplas demandas da mesma problemática, gerando esgotamento dos recursos do judiciário. Em 2020, cerca de 30% dos processos de Direito Civil e do Consumidor foram classificados como litigância predatória, gerando um custo mínimo de R$10,7 bilhões ao Judiciário. Além dos prejuízos financeiros, essa prática sobrecarrega magistrados e servidores, aumentando tempo de tramitação de processos legítimos e comprometendo a eficiência do sistema. Este trabalho investiga a utilização de embeddings baseados em Transformers, como o Bidirectional Encoder Representations from Transformers, para análise de padrões delitigância predatória por meio de similaridade semântica. Esses modelos são capazes de capturar o significado semântico de palavras e frases, considerando o contexto em que estão inseridas. Para a construção e avaliação da pesquisa, foram utilizadas técnicas de Recuperação de Informação, que permite medir a eficácia dos modelos na identificação de casos semanticamente semelhantes. Foram avaliados quatro modelos de linguagem(BERTikal, BERTimbau, BumbaBERTSmall e o RoBERTaptBR), dentre os quais o BERTimbau obteve o melhor desempenho(Recall@k de 69,23%e MAP de 35,58%),seguido pelo BumbaBERTSmall (Recall@k de 61,54% e MAP de 31,13%). Outros modelos testados apresentaram desempenho inferior. Estes resultados demonstram a viabilidade da proposta, contribuindo para a automação de tarefas no Judiciário e avanços nas técnicas de Processamento de Linguagem Natural
Resumo:	AccordingtotheNationalCouncilofJustice,theBrazilianJudiciaryreceivesmorethan 30 millioncourtcaseseveryyear.Thisexcessivevolumeofdatahighlightstheneedfor automated solutionstoincreasetheefficiencyandproductivityofthejudicialsystem. In thisscenario,oneofthechallengesfacedispredatorylitigation,characterizedbythe filing oflawsuitsinbadfaith,inwhichthesameparties(plaintiff,defendantandlawyer) submit multipleclaimsonthesameissue,generatingexhaustionofjudicialresources.In 2020, around30%ofcivilandconsumerlawcaseswereclassifiedaspredatorylitigation, generating aminimumcostofR$10.7billiontothejudiciary.Inadditiontothefinancial losses, thispracticeoverloadsjudgesandcivilservants,increasingthetimeittakes to processlegitimatecasesandcompromisingtheefficiencyofthesystem.Thispaper investigatestheuseof embeddings based on Transformers, suchas BidirectionalEncoder RepresentationsfromTransformers, toanalyzepredatorylitigationpatternsbymeans of semanticsimilarity.Thesemodelsarecapableofcapturingthesemanticmeaning of wordsandphrases,consideringthecontextinwhichtheyareinserted.Information Retrievaltechniqueswereusedtoconstructandevaluatetheresearch,whichallows the effectivenessofthemodelstobemeasuredinidentifyingsemanticallysimilarcases. Fourlanguagemodelswereevaluated(BERTikal, BERTimbau, BumbaBERTSmall and RoBERTaptBR), ofwhich BERTimbau had thebestperformance(Recall@k of 69.23% and MAP of 35.58%),followedby BumbaBERTSmall (Recall@k of 61.54%and MAP of 31.13%). Othermodelstestedperformedlesswell.Theseresultsdemonstratetheviability of theproposal,contributingtotheautomationoftasksintheJudiciaryandadvancesin Natural LanguageProcessingtechniques
Palavras-chave:	Similaridade semântica Representações vetoriais Litigância predatória Recuperação da informação Semantic similarity Predatory litigation Vector representations Information retrieval
Aparece nas coleções:	Curso de Bacharelado em Engenharia da Computação - CCT UEMA - Monografias

Arquivos associados a este item:

Arquivo	Descrição	Tamanho	Formato
TCC - JONAS CARVALHO DE SOUSA NETO - CCT UEMA 2025.pdf	PDF A	2.1 MB	Adobe PDF	Visualizar/Abrir

Mostrar registro completo do item Visualizar estatísticas

UEMA Repositório

O UEMA Repositório preserva e provê acesso fácil e aberto a todos os tipos de objetos digitais, incluindo: textos, imagens, vídeos e conjuntos de dados.