Sumarização abstrativa de documentos longos utilizados em fiscalizações e instruções processuais

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorLadeira, Marcelo-
Autor(es): dc.creatorSilva, Eric Hans Messias da-
Data de aceite: dc.date.accessioned2025-03-18T18:50:37Z-
Data de disponibilização: dc.date.available2025-03-18T18:50:37Z-
Data de envio: dc.date.issued2024-02-21-
Data de envio: dc.date.issued2024-02-21-
Data de envio: dc.date.issued2024-02-21-
Data de envio: dc.date.issued2023-07-13-
Fonte completa do material: dc.identifierhttp://repositorio.unb.br/handle/10482/47830-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/957097-
Descrição: dc.descriptionDissertação (mestrado) — Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2023.-
Descrição: dc.descriptionO Tribunal de Contas da União tem seu trabalho organizado por processos e, ao longo do ciclo de vida deles, cada processo chega geralmente a conter de dezenas a centenas de peças processuais. Cada peça atinge facilmente algumas dezenas de páginas. A quantidade de processos e documentos só tende a crescer ao longo do tempo, o que gera uma quantidade enorme de material para leitura e com conteúdo bem rico, mas de difícil consumo, pois é necessário um tempo considerável para a leitura de cada processo. Os processos costumam ser lidos para verificar se possuem conteúdo relevante para alguma fiscalização ou instrução processual em curso. Além do custo alto para ler um processo, parte desse conteúdo é descartado pelo auditor por não estar atrelado ao seu trabalho corrente, o que gera um desperdício de tempo nesta atividade. Para melhorar a eficiência deste processo, é proposto neste trabalho o desenvolvimento de uma solução de sumarização automática de texto usando aprendizado de máquina aplicado ao processamento de linguagem natural. Essa solução utiliza a abordagem de sumarização híbrida (extrativa combinada com abstrativa) aplicada a documentos longos e com conteúdo jurídico. A solução foi disponibilizada como uma aplicação Web com microsserviço para melhor integração com aplicações que compõem o processo de trabalho do auditor. Os resumos gerados pelos modelos foram avaliados principalmente por métricas que foquem mais na semântica do texto gerado e, em decorrência disso, têm uma melhor aderência ao conteúdo desejado.-
Descrição: dc.descriptionCoordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES).-
Descrição: dc.descriptionCoordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES).-
Descrição: dc.descriptionThe Brazilian Federal Court of Accounts organizes its work by processes and, throughout their life cycle, each of them usually contains from tens to hundreds of legal documents. Each document easily reaches a few dozen pages. The number of processes and documents only tends to grow over time, which generates a huge amount of material for reading and with a very rich content, but difficult to consume, as it takes considerable time to read each process. The processes are usually read to verify if they have relevant content for any fiscalization or procedural instruction in progress. In addition to the high cost of reading a process, part of this content is discarded by the auditor because it is not linked to their current work, which generates a waste of time in this activity. To improve the efficiency of this process, we proposed in this work the development of an automatic text summarization solution using machine learning applied to natural language processing. This solution uses the hybrid summarization approach (extractive combined with abstractive) applied to long documents with legal content. The solution was made available as a Web application with microservice for better integration with applications that make up the auditor’s work process. The summaries generated by the models were evaluated mainly by metrics that focus more on the semantics of the generated text and, as a result, have better adherence to the desired content.-
Descrição: dc.descriptionInstituto de Ciências Exatas (IE)-
Descrição: dc.descriptionDepartamento de Ciência da Computação (IE CIC)-
Descrição: dc.descriptionPrograma de Pós-Graduação em Computação Aplicada, Mestrado Profissional-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Direitos: dc.rightsAcesso Aberto-
Direitos: dc.rightsA concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.unb.br, www.ibict.br, www.ndltd.org sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra supracitada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.-
Palavras-chave: dc.subjectProcessamento de linguagem natural (Computação)-
Palavras-chave: dc.subjectSumarização-
Palavras-chave: dc.subjectAprendizagem de máquina-
Palavras-chave: dc.subjectDocumentos jurídicos-
Título: dc.titleSumarização abstrativa de documentos longos utilizados em fiscalizações e instruções processuais-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositório Institucional – UNB - Rep. 1

Não existem arquivos associados a este item.