Inferring and explaining potential citations to binding precedents in Brazilian Supreme Court Decisions

Resumo

O Supremo Tribunal Federal (STF) é a corte de maior instância no Brasil e é primariamente responsável por guardar a Constituição Brasileira. Para reduzir a insegurança jurídica e a alta carga de trabalho da Corte, uma Emenda Constitucional de 2004 permitiu que o STF
 criasse Súmulas Vinculantes (SV). Uma SV é um enunciado que consolida o entendimento do STF sobre algum assunto jurídico e possui aplicação obrigatória pelas instâncias inferiores do Poder Judiciário. Frequentemente, um Ministro do STF cita uma SV em uma decisão, e é trivial procurar por essas citações explícitas usando expressões regulares. Porém, não é trivial verificar se uma decisão cita potencialmente o enunciado, no sentido de que “ele deveria ter sido citado, mas não o foi” ou “ela aborda um assunto similar, então eles estão relacionados”. Este trabalho explora algoritmos de aprendizado de máquina
 e de processamento de linguagem natural (PLN) para inferir e explicar essas citações potenciais. A inferência é realizada usando modelos da teoria clássica de aprendizado de máquina e da pesquisa recente em PLN, e a explicação é alcançada utilizando uma técnica de explicabilidade em aprendizado de máquina. Os modelos aprendem o que caracteriza uma citação através do treinamento com documentos que possuem citações explícitas, no qual nós demonstramos que eles atingem alta performance. Nós também apresentamos dois estudos de caso que demonstram a utilidade dos modelos treinados em buscar por citações potenciais quando acompanhados pela técnica de explicabilidade para informar as partes mais relevantes do documento para a atribuição da citação potencial.

Ficha do documento

Tipo

Outro

Ano

2021

Instituição

Fundação Getulio Vargas

Fonte

Repositório da FGV

Idioma

Inglês

Acesso

Não informado

Identificador

oai:repositorio.fgv.br:10438/31845

Palavras-chave

Machine learningNatural language processingMachine learning explainabilityLegal documentsAprendizado de máquinaProcessamento de linguagem naturalExplicabilidade em aprendizado de máquinaDocumentos jurídicosMatemáticaBrasil. Supremo Tribunal FederalAprendizado do computadorProcessamento da linguagem natural (Computação)