Pós-Graduação em Ciência da Computação – UFPE
Defesa de Tese de Doutorado Nº 722
Aluno: Hidelberg Oliveira Albuquerque
Orientador: Prof. Adriano Lorena Inácio de Oliveira
Coorientadora: Profa. Ellen Polliana Ramos Souza Pereira (UFRPE/Unid. Acad. de Serra Talhada)
Título: A Comprehensive Named Entity Recognition Framework for Brazilian Portuguese Legal and Legislative Documents: Corpora, Models, and Applications
Data: 16/10/2026
Hora/Local: 9h – Virtual – Interessados em assistir entrar em contato com o aluno
Banca Examinadora:
Profa.Renata Maria Cardoso Rodrigues de Souza
Prof. André Carlos Ponce de Leon Ferreira de Carvalho (USP / Instituto de Ciências Matemáticas e de Computação)
Profa. Nádia Félix Felipe da Silva (UFCAT – Universidade Federal de Catalão, Instituto de Matemática e Tecnologia)
Profa. Dra. Renata Vieira (Universidade de Évora (Portugal)- Centro Interdisciplinar de História, Culturas e Sociedades (CIDEHUS)
Prof. Dennis Giovani Balreira (UFRGS / Instituto de Informática )
RESUMO:
Documentos jurídicos e legislativos são produzidos em grande volume, contendo linguagem especializada e estrutura heterogênea. O Reconhecimento de Entidades Nomeadas (REN) pode auxiliar na organização, no acesso e na recuperação desse conteúdo. No entanto, recursos, modelos e aplicações para REN jurídico são frequentemente apresentados em estudos isolados, e os recursos para o português brasileiro são escassos. Esta tese apresenta um framework de REN para documentos jurídicos e legislativos em português brasileiro, organizado em três eixos, recursos, modelos e aplicação, desenvolvidos de forma longitudinal. No primeiro eixo, foi desenvolvido o corpus UlyssesNER-Br, composto por 950 documentos de projetos de lei e requerimentos legislativos da Câmara dos Deputados do Brasil. Posteriormente, ele foi revisado e ampliado para o corpus UlyssesLegalNER-Br, que reúne projetos de lei, decisões judiciais e leis sob um esquema de entidades comum (560 documentos públicos, nove categorias e 23 tipos), preservando a continuidade semântica do esquema. No segundo eixo, foram avaliados modelos de aprendizado de máquina baseados nos paradigmas probabilísticos, recorrentes e em Transformers, em três ciclos experimentais, cada um considerando um estágio diferente do recurso. Os resultados mostram que o comportamento relativo dos paradigmas não é fixo: o modelo baseado em Transformer obteve a maior pontuação micro-F1 nos dois últimos ciclos, enquanto a relação entre os demais paradigmas dependeu do corpus e do protocolo utilizado. No terceiro eixo, as entidades reconhecidas foram reutilizadas no UlyssesNERQ, uma abordagem de expansão de consultas guiada por REN para recuperação de informação legislativa, avaliada com base em 295 solicitações reais e comparada a uma linha de base lexical e a outras técnicas de expansão. A tese demonstra que corpora, modelos e aplicação downstream podem ser desenvolvidos como uma infraestrutura longitudinal sob um mesmo domínio, na qual cada etapa se baseia na anterior, envolvendo gêneros jurídicos distintos em um mesmo cenário de aplicação. Até onde sabemos, este é o primeiro framework que integra esses três eixos para o domínio jurídico-legislativo brasileiro. Os recursos construídos a partir de fontes públicas estão disponíveis publicamente.
Palavras-chave: Reconhecimento de Entidades Nomeadas, Processamento de Linguagem Natural, Domínio Legislativo-Jurídico, Corpus anotado, Recuperação da Informação, framework REN linguístico-arquitetural
Comentários desativados