Ir para o menu de navegação principal Ir para o conteúdo principal Ir para o rodapé

Artigos

v. 10 (2022): Revista de Estudos Empíricos em Direito

Sumariação de textos como ferramenta de pesquisa empírica em direito

DOI
https://doi.org/10.19092/reed.v10.600
Enviado
abril 19, 2021
Publicado
2022-11-25

Resumo

Este artigo propõe explorar técnicas de sumariação de textos jurídicos como forma de auxiliar a pesquisa empírica, gerando um sumário do texto tendo em vista a capacidade preditiva destas frases em relação ao resultado da ação. É utilizado um dataset de decisões de tribunais do país sobre habeas corpus que expressamente citam a pandemia de COVID como um dos seus fundamentos para solicitar a liberdade dos pacientes. É criado um modelo preditivo e expõe-se, ao final, os argumentos encontrados que tem maior correlação com o resultado das ações.

Referências

Alguliyev, R., Aliguliyev, R. (2009). Evolutionary Algorithm for Extractive Text Summarization. Intelligent Information Management. 1. 128-138. doi: 10.4236/iim.2009.12019.
Chawla, N., Bowyer, K., Hall, L., Kegelmeyer, W. (2002). SMOTE: Synthetic Minority Over-sampling Technique. J. Artif. Intell. Res. (JAIR). 16. 321-357. doi: 10.1613/jair.953.
Hachey, Ben & Grover, Claire. (2006). Extractive summarisation of legal texts. Artificial Intelligence and Law. 14. 305-345. doi: 10.1007/s10506-007-9039-z.
Kanapala, A., Pal, S., Pamula, R. (2019). Text summarization from legal documents: a survey. Artificial Intelligence Review. 51. doi: 10.1007/s10462-017-9566-2.
Group, Lazuage & Moens, Marc. (2002). Sentence Extraction as a Classification Task.
Jadhav, Aishwarya & Rajan, Vaibhav. (2018). Extractive Summarization with SWAP-NET: Sentences and Words from Alternating Pointer Networks. 142-151. doi: 10.18653/v1/P18-1014.
Lippi, Marco & Torroni, Paolo. (2015). Argument Mining: A Machine Learning Perspective. 9524. 163-176. doi: 10.1007/978-3-319-28460-6_10.
Lloret, E., Palomar, M. (2012) Text summarisation in progress: a literature review. Artif Intell Rev 37, 1–41. doi: 10.1007/s10462-011-9216-z
Nenkova, A., Kathleen, M. (2012) A survey of text summarization techniques, Mining text data, Springer-Verlag New York, doi: 10.1007/978-1-4614-3223-4
Templeton, A., Kalita, J. (2018) "Exploring Sentence Vector Spaces through Automatic Summarization," 17th IEEE International Conference on Machine Learning and Applications (ICMLA), Orlando, FL, USA, 2018, pp. 55-60, doi: 10.1109/ICMLA.2018.00016.
Teufel, S., Uk, S., Moens, M. (2001). Sentence Extraction as a Classification Task.
Yogan, J.K., Goh, O.S., Halizah, B., Ngo, H.C., Puspalata, C.S. (2016) A Review On Automatic Text Summarization Approaches. Journal Of Computer Science, 12 (4). pp. 178-190. ISSN 1549-3636
Yousfi-Monod, Mehdi & Farzindar, Atefeh & Lapalme, Guy. (2010). Supervised Machine Learning for Summarizing Legal Documents. 51-62. 10.1007/978-3-642-13059-5_8.

Downloads

Não há dados estatísticos.