O modelo de conhecimento criado a partir da construção de tópicos sobre os acórdãos do TRF4 mostrou-se adequado para entregar o conhecimento já disponível nestes documentos, reduzindo a carga de trabalho dos operadores de direito e proporcionando um contexto adequado para seu posicionamento junto às demandas que se apresentam. Desta forma, foi possível abreviar o tempo de análise das petições iniciais e diminuir o esforço necessário em sua análise.
Entretanto, como todo modelo, este é apenas uma representação aproximada do conheci-mento disponível nos acórdãos, adequada ao propósito desta pesquisa, mas ainda assim, passível de aprimoramento.
Capítulo 5. Considerações finais e trabalhos futuros 108
Como sugestões de pesquisas que poderiam dar continuidade a esta, surgem duas abor-dagens possíveis:
1. Aprimoramento, refinamento ou substituição do algoritmo utilizado para criação do modelo de tópicos (LDA);
2. Inclusão de camadas adicionais ao sistema de conhecimento apresentado.
No primeiro caso, é inegável que as pesquisas que tem como objeto algoritmos de
aprendizagem de máquina vêm ganhando interesse recentemente. Algoritmos baseados emword
embeddingscomo o Word2Vec(MIKOLOV et al., 2013) com alguma adaptação são capazes de fornecer modelos de tópicos ainda mais precisos, como sugere Moody (2016), que une a descoberta de tópicos latentes com o contexto proporcionado pelo uso deword embeddings.
Modelos mais recentes e complexos de representação de textos, comoFastText(GRAVE
et al., 2018), {G}love: Global Vectors for Word Representation (PENNINGTON; SOCHER;
MANNING, 2014) e o BERT (DEVLIN et al., 2018) oferecem aprimoramentos ainda mais
significativos em termos de precisão da recuperação de informação, evidentemente sob o custo da complexidade e de processamento adicional.
Embora a utilização de modelos mais modernos ou mais complexos possa trazer avanços sob o ponto de vista dos algoritmos utilizados, há espaço para refinamento e aprimoramento também das etapas preliminares, inclusive no tratamento e transformação dos dados.
No que cabe ao tratamento dos dados, há a possibilidade de se melhorar o modelo através do refinamento da lista de stopwordsutilizadas, adicionando-se novos termos e/ou revisando-se os termos utilizados com o auxílio de especialistas de domínio. Este processo precisa revisando-ser realizado de forma interativa, já que impacta potencialmente nos resultados obtidos. A lista de
stopwordsutilizada nesta pesquisa está disponível no Apêndice B. Em relação à transformação de dados, há espaço para construção de lematizadores para o português do Brasil, visto que até a data de conclusão desta pesquisa, não havia ferramenta disponível capaz de suprir esta demanda com a qualidade desejada.
Sob o ponto de vista da inclusão de camadas adicionais ao modelo de conhecimento, diversas abordagens podem ser utilizadas, inclusive a partir do próprio modelo de tópicos.
Araujoet al.(2018) propõem o uso de reconhecimento de entidades nomeadasNamed
Entity Recognition, ou Reconhecimento de Entidades Nomeadas (NER) para identificação de leis em documentos textuais. Essa técnica poderia ser utilizada durante a construção do modelo, sendo criada uma nova dimensão para armazenamento destas informações que poderiam ser disponibilizadas juntamente com a recuperação de documentos. Além da identificação das leis, propostas pelos autores, a técnica de NER pode identificar outras entidades relevantes à análise, como pessoas, organizações, locais e datas, fornecendo contexto adicional.
Já Bougouin, Boudin e Daille (2013) propõem o uso de grafos baseados em tópicos para extração automatizada de palavras chaves de documentos, o que poderia ser útil para a criação automática decaputs.
Capítulo 5. Considerações finais e trabalhos futuros 109
Além das camadas adicionais de conhecimento que podem servir para trazer outros elementos relevantes para análise, o modelo desenvolvido pode ser explorado também com viés de composição automática de modelos de peças processuais. Os modelos de peças processuais são amplamente utilizados na atualidade, de forma a reduzir o esforço de escrita individualizada de determinados elementos das peças que se repetem para determinadas situações e processos que são similares. Esse tipo de prática ocorre principalmente por que os órgãos julgadores, com o passar do tempo, acabam por definir o seu direcionamento frente a determinadas categorias de lides repetitivas, sendo o modelo perfeitamente utilizável neste caso.
Para permitir a localização do modelo adequado a cada caso, seria necessário construir um corpusde modelos, utilizando para isso os bancos de modelos já existentes na instituição. Assim, utilizando a mesma técnica aplicada nesta pesquisa, seria possível realizar uma busca semântica similar àquela utilizada para recuperação dos acórdãos, utilizando como medida de similaridade a distância de Jensen-Shannon, de forma a recuperar um conjunto de modelos candidatos à aplicação em determinado caso, cabendo ao analista processual a escolha do modelo apropriado.
110
REFERÊNCIAS
AL-ABDULKARIM, L.; ATKINSON, K.; BENCH-CAPON, T. Factors, issues and values: Revisiting reasoning with cases. English.In:08-12-June-2015, p. 3–12. ISBN 9781450335225. DOI:10.1145/2746090.2746103. Disponível em:https:
//www.scopus.com/inward/record.uri?eid=2-s2.0-84959174457&doi=10.1145% 2f2746090.2746103&partnerID=40&md5=abe8ee9feaff8f9c83bcabd502cf0c25. AKEN, Joan E. van. Management Research Based on the Paradigm of the Design Sciences: The Quest for Field-Tested and Grounded Technological Rules.Journal of Management Studies,
v. 41, n. 2, p. 219–246, 2004. DOI:10.1111/j.1467-6486.2004.00430.x. eprint:https:
//onlinelibrary.wiley.com/doi/pdf/10.1111/j.1467-6486.2004.00430.x.
Disponível em:
https://onlinelibrary.wiley.com/doi/abs/10.1111/j.1467-6486.2004.00430.x.
ALAVI, Maryam; LEIDNER, Dorothy E. Review: Knowledge Management and Knowledge Management Systems: Conceptual Foundations and Research Issues.MIS Q., Society for Information Management e The Management Information Systems Research Center, Minneapolis, MN, USA, v. 25, n. 1, p. 107–136, mar. 2001. ISSN 0276-7783. DOI: 10.2307/3250961. Disponível em:http://dx.doi.org/10.2307/3250961.
ALEVEN, V. Using background knowledge in case-based legal reasoning: A computational model and an intelligent learning environment. English.Artificial Intelligence, v. 150, n. 1-2,
p. 183–237, 2003. ISSN 00043702. DOI:10.1016/S0004-3702(03)00105-X.
Disponível em:
https://www.scopus.com/inward/record.uri?eid=2-s2.0- 0142228346&doi=10.1016%2fS0004-3702%2803%2900105-X&partnerID=40&md5=4db09579f7c2e3cde519a38208dc370c.
ALLAHYARI, Mehdiet al.A Brief Survey of Text Mining: Classification, Clustering and
Extraction Techniques. abs/1707.02919. [S.l.:s.n.], 2017. arXiv:1707.02919.
Disponível em:http://arxiv.org/abs/1707.02919.
ANDER-EGG, Ezequiel.Introducción a las técnicas de investigación social para
trabajadores sociales. 5th ed. [S.l.]: Hvmanitas, 1978.
ARAUJO, Pedro Henrique Luz deet al.LeNER-Br: A Dataset for Named Entity Recognition in
Brazilian Legal Text.In:[S.l.:s.n.], set. 2018.
ASHLEY, K.D. An AI model of case-based legal argument from a jurisprudential viewpoint. English.Artificial Intelligence and Law, v. 10, n. 1-3, p. 163–218, 2002. ISSN 09248463. DOI:10.1023/A:1019513821567. Disponível em:https:
//www.scopus.com/inward/record.uri?eid=2-s2.0-0036730453&doi=10.1023% 2fA%3a1019513821567&partnerID=40&md5=ad793e527bf24e8fa5239478dd026c25. ASHLEY, K.D. Case-based reasoning and its implications for legal expert systems. English.
Artificial Intelligence and Law, Kluwer Academic Publishers, v. 1, n. 2-3, p. 113–208, 1992.
REFERÊNCIAS 111
https://www.scopus.com/inward/record.uri?eid=2-s2.0-0000453170&doi=10. 1007%2fBF00114920&partnerID=40&md5=5c36da37232896a40846e91e959c0565. ASHLEY, K.D.; RISSLAND, E.L. But, see, accord: Generating "Blue Book"citations in HYPO. English.In:1987-January, p. 67–74. ISBN 0897912306. Disponível em:
https://www.scopus.com/inward/record.uri?eid=2-s2.0-84935175944&partnerID=40&md5=68dccac173ce465b7d83d03f14bdb352.
ASHLEY, KD; BRUNINGHAUS, S. A predictive role for intermediate legal concepts.In:
BOURCIER, D (Ed.).LEGAL KNOWLEDGE AND INFORMATION SYSTEMS.
[S.l.:s.n.], 2003. (Frontiers in Artificial Intelligence and Applications). Utrecht Fac Law; CNRS; Pluridisciplinary Network Law & Informat Syst, p. 153–162. 16th Annual JURIX Conference, Utrecht, NETHERLANDS, DEC 11-12, 2003.
ATKINSON, K.; BENCH-CAPON, T. Reasoning with legal cases: Analogy or rule application?
English.In:p. 12–21. ISBN 9781450367547. DOI:10.1145/3322640.3326695.
Disponível em:
https://www.scopus.com/inward/record.uri?eid=2-s2.0-85071279023&doi=10.1145%2f3322640.3326695&partnerID=40&md5= 684c39e232fe3f60076bb767d92dcb36.
BAEZA-YATES, Ricardo; RIBEIRO-NETO, Berthier.Modern information retrieval. Boston,
MA. USA: Addison-Wesley Longman Publishing Co., Inc., 1999. v. 463. ISBN 020139829X. BENCH-CAPON, T.J.M. HYPO’S legacy: introduction to the virtual special issue. English.
Artificial Intelligence and Law, Springer Netherlands, v. 25, n. 2, p. 205–250, 2017. ISSN
09248463. DOI:10.1007/s10506-017-9201-1. Disponível em:
https://www.scopus.com/inward/record.uri?eid=2-s2.0-
85020073842&doi=10.1007%2fs10506-017-9201-1&partnerID=40&md5=c8fc37c2d045077482efcc08ef02e7a0.
BENCH-CAPON, T.et al.Argument schemes for reasoning with legal cases using values.
English.In:p. 13–22. ISBN 9781450320801. DOI:10.1145/2514601.2514604.
Disponível em:
https://www.scopus.com/inward/record.uri?eid=2-s2.0-84883527331&doi=10.1145%2f2514601.2514604&partnerID=40&md5= 88e870c21db42225a04d915a5afb495f.
BERGSTROM, T.; BROWER, D.; MEYERS, N. Utilizing digital humanities methods for quantifying Howell’s State Trials. English.Proceedings of the ACM/IEEE Joint Conference on Digital Libraries, Institute of Electrical e Electronics Engineers Inc., p. 441–442, 2014.
ISSN 15525996. DOI:10.1109/JCDL.2014.6970215. Disponível em:https:
//www.scopus.com/inward/record.uri?eid=2-s2.0-84919334082&doi=10.1109% 2fJCDL.2014.6970215&partnerID=40&md5=b10bcce3b8c4d9845bca1c4a27e0b5cc. BERK, Richard.Machine Learning Risk Assessments in Criminal Justice Settings. [S.l.]:
Springer, 2019. ISBN 978-3-030-02271-6. DOI:10.1007/978-3-030-02272-3.
REFERÊNCIAS 112
BERMAN, D.H.; HAFNER, C.D. Indeterminacy: A Challenge to Logic-based Models of Legal Reasoning. English.International Review of Law, Computers & Technology, v. 3, n. 1,
p. 1–35, 1987. ISSN 13600869. DOI:10.1080/13600869.1987.9966251. Disponível em:
https://www.scopus.com/inward/record.uri?eid=2-s2.0-84963132888&doi=10.1080%2f13600869.1987.9966251&partnerID=40&md5= 27e44b10c9251783b482f39959e521e2.
BERMAN, Donald H.; HAFNER, Carole D. Understanding precedents in a temporal context of evolving legal doctrine. English.In:ANON (Ed.), p. 42–51. Disponível em:
https://www.scopus.com/inward/record.uri?eid=2-s2.0-0029192645&partnerID=40&md5=6330dc178d42dc2215e020699eb9297c.
BERRY, Michael W.; DUMAIS, Susan T.; LETSCHE, Todd A. Computational Methods for
Intelligent Information Access.In:PROCEEDINGS of the 1995 ACM/IEEE Conference on
Supercomputing. San Diego, California, USA: Association for Computing Machinery, 1995.
(Supercomputing ’95), p. 20. DOI:10.1145/224170.285569. Disponível em:
https://doi.org/10.1145/224170.285569.
BLEI, David M.; NG, Andrew Y.; JORDAN, Michael I. Latent Dirichlet Allocation.J. Mach.
Learn. Res., JMLR.org, v. 3, p. 993–1022, mar. 2003. ISSN 1532-4435. Disponível em: http://dl.acm.org/citation.cfm?id=944919.944937.
BORGES, Mônicaet al.Estudos cognitivos em ciência da informação.Encontros Bibli: revista eletrônica de biblioteconomia e ciência da informação, v. 8, n. 15, p. 1–17, 2003.
ISSN 1518-2924. DOI:10.5007/1518-2924.2003v8n15p1. Disponível em:https:
//periodicos.ufsc.br/index.php/eb/article/view/1518-2924.2003v8n15p1. BOUGOUIN, Adrien; BOUDIN, Florian; DAILLE, Béatrice. TopicRank: Graph-Based Topic Ranking for Keyphrase Extraction.In:PROCEEDINGS of the Sixth International Joint Conference on Natural Language Processing. Nagoya, Japan: Asian Federation of Natural Language Processing, out. 2013. P. 543–551. Disponível em:
https://www.aclweb.org/anthology/I13-1062.
BRANTING, L.K. A reduction-graph model of precedent in legal analysis. English.Artificial Intelligence, v. 150, n. 1-2, p. 59–95, 2003. ISSN 00043702. DOI:
10.1016/S0004-3702(03)00102-4. Disponível em:
https://www.scopus.com/inward/record.uri?eid=2-s2.0- 0142197253&doi=10.1016%2fS0004-3702%2803%2900102-4&partnerID=40&md5=7b31b7ac355ff4fc4fcd1f3635351a36.
BRASIL.Ato Institucional Nº 2, de 27 de outubro de 1965.[S.l.:s.n.], 1965. Disponível em: http://www.planalto.gov.br/ccivil_03/AIT/ait-02-65.htm. Acesso em: 19 jun. 2019.
BRASIL.Constituição da República dos Estados Unidos do Brasil (de 16 de Julho de
REFERÊNCIAS 113
http://www.planalto.gov.br/ccivil_03/constituicao/constituicao34.htm. Acesso em: 18 jun. 2019.
BRASIL.Constituição da República dos Estados Unidos do Brasil (de 18 de Setembro de
1946. [S.l.:s.n.], 1946. Disponível em:
http://www.planalto.gov.br/ccivil_03/constituicao/constituicao46.htm. Acesso em: 18 jun. 2019.
BRASIL.Constituição da República dos Estados Unidos do Brasil (de 24 de Fevereiro de
1891). [S.l.:s.n.], 1891. Disponível em:
http://www.planalto.gov.br/ccivil_03/constituicao/constituicao91.htm. Acesso em: 18 jun. 2019.
BRASIL.Constituição da República Federativa do Brasil de 1967. [S.l.:s.n.], 1967. Disponível em:
http://www.planalto.gov.br/ccivil_03/constituicao/constituicao67.htm. Acesso em: 19 jun. 2019.
BRASIL.Constituição da República Federativa do Brasil de 1988.[S.l.:s.n.], 1988. Disponível em:
http://www.planalto.gov.br/ccivil_03/constituicao/constituicao.htm. Acesso em: 18 jun. 2019.
BRASIL.Decreto-Lei nº 2.848, de 7 de dezembro de 1940.Código Penal. [S.l.:s.n.], 1940.
Disponível em:http://www.planalto.gov.br/ccivil_03/decreto-lei/del2848.htm.
Acesso em: 8 jul. 2019.
BRASIL.Emenda Constitucional Nº 1, de 17 de outubro de 1969.[S.l.:s.n.], 1969.
Disponível em:http://www.planalto.gov.br/ccivil_03/constituicao/Emendas/
Emc_anterior1988/emc01-69.htm. Acesso em: 19 jun. 2019.
BRASIL.Emenda Constitucional nº 45, de 30 de Dezembro de 2004: Altera dispositivos dos
arts. 5º, 36, 52, 92, 93, 95, 98, 99, 102, 103, 104, 105, 107, 109, 111, 112, 114, 115, 125, 126, 127, 128, 129, 134 e 168 da Constituição Federal, e acrescenta os arts. 103-A, 103B, 111-A e 130-A, e dá outras providências. [S.l.:s.n.], 2004. Disponível em:
http://www.planalto.gov.br/ccivil_03/constituicao/emendas/emc/emc45.htm. Acesso em: 23 jul. 2019.
BRASIL.Emenda Constitucional Nº 95, de 15 de Dezembro de 2016.Altera o Ato das
Disposições Constitucionais Transitórias, para instituir o Novo Regime Fiscal, e dá outras providências. [S.l.:s.n.], 2016. Disponível em:
http://www.planalto.gov.br/ccivil_03/constituicao/emendas/emc/emc95.htm. Acesso em: 18 jun. 2019.
BRASIL.Lei Nº 13.105, de 16 de março de 2015: Código de Processo Civil. [S.l.:s.n.], 2015. Disponível em:
REFERÊNCIAS 114
http://www.planalto.gov.br/ccivil_03/_ato2015-2018/2015/lei/l13105.htm. Acesso em: 1 jun. 2019.
BRASIL.Lei Nº 221, de 20 de novembro de 1894.Completa a Organização da Justiça Federal
da República. [S.l.:s.n.], 1894. Disponível em:
http://www.planalto.gov.br/ccivil_03/leis/1851-1900/L0221-1894.htm. Acesso em: 8 jun. 2019.
BRASIL.Lei Nº 5.010, de 30 de maio de 1966.Organiza a Justiça Federal de primeira instância, e dá outras providências. [S.l.:s.n.], 1966. Disponível em:
http://www.planalto.gov.br/ccivil_03/LEIS/L5010.htm. Acesso em: 20 jun. 2019. CARNEIRO, D.et al.The legal precedent in online dispute resolution. English.Frontiers in Artificial Intelligence and Applications, IOS Press, v. 205, p. 47–52, 2009. ISSN 09226389. DOI:10.3233/978-1-60750-082-7-47. Disponível em:
https://www.scopus.com/inward/record.uri?eid=2-s2.0-
74349085622&doi=10.3233%2f978-1-60750-082-7-47&partnerID=40&md5=9bb541ea941e157989c0769b11838944.
CASTRO, Guilherme Fortes Monteiro de Castro; GONÇALVES, Eduardo da Silva.A
aplicação da common law no Brasil: diferenças e afinidades. 2012. Disponível em: http://www.egov.ufsc.br/portal/conteudo/aplica%C3%A7%C3%A3o-da-common-law-no-brasil-diferen%C3%A7as-e-afinidades.
CECI, M.; GORDON, T.F. Browsing case-law: An application of the carneades argumentation system. English.In:v. 874. Disponível em:
https://www.scopus.com/inward/record.uri?eid=2-s2.0-84891808532&partnerID=40&md5=651fe518b1bc6bb3a579c43bd789c56c.
CHANG, Jonathanet al.Reading Tea Leaves: How Humans Interpret Topic Models.In:
BENGIO, Y.et al.(Ed.).Advances in Neural Information Processing Systems 22. Vancouver, BC: Curran Associates, Inc., 2009. P. 288–296. Disponível em:
http://papers.nips.cc/paper/3700-reading-tea-leaves-how-humans-interpret-topic-models.pdf.
CHARTRAND, L.; CHEUNG, J.C.K.; BOUGUESSA, M. Detecting large concept extensions for conceptual analysis. English. Edição: Perner P.Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), Springer Verlag, 10358 LNAI, p. 78–90, 2017. ISSN 03029743. DOI: 10.1007/978-3-319-62416-7_6. Disponível em:
https://www.scopus.com/inward/record.uri?eid=2-s2.0-
85025160559&doi=10.1007%2f978-3-319-62416-7_6&partnerID=40&md5=dfdaf6ab90775ed202b1823e9c383b82.
CHIOVENDA, Giuseppe.Instituições de direito processual civil. 4. ed. v. II. Campinas: Bookseller, 2000. P. 7–22.
REFERÊNCIAS 115
CHORLEY, A.; BENCH-CAPON, T. AGATHA: Using heuristic search to automate the
construction of case law theories. English.Artificial Intelligence and Law, v. 13, n. 1, p. 9–51,
2005. ISSN 09248463. DOI:10.1007/s10506-006-9004-2. Disponível em:
https://www.scopus.com/inward/record.uri?eid=2-s2.0-
33746922396&doi=10.1007%2fs10506-006-9004-2&partnerID=40&md5=5f924793ae2d411c74a9497a5cd14ea3.
CHUANG, Jason; MANNING, Christopher D.; HEER, Jeffrey. Termite: Visualization
Techniques for Assessing Textual Topic Models.In:PROCEEDINGS of the International
Working Conference on Advanced Visual Interfaces. Capri Island, Italy: ACM, 2012. (AVI ’12),
p. 74–77. DOI:10.1145/2254556.2254572. Disponível em:
http://doi.acm.org/10.1145/2254556.2254572.
CJF.Mapa Estratégico da Justiça Federal. [S.l.:s.n.], 2014. Disponível em:
https://www.cjf.jus.br/observatorio2/temas/estrategia/justica-federal.
CJF.Resolução Nº 313 de 22 de Outubro de 2014 do CJF: Dispõe sobre a Gestão da
Estratégia da Justiça Federal e dá outras providências. [S.l.:s.n.], 2014. Disponível em: https://www2.cjf.jus.br/jspui/handle/1234/48016. Acesso em: 21 jul. 2019. CLARK, D. R.Knowledge Typology Map. [S.l.:s.n.], 2012. Disponível em:
http://www.nwlink.com/~donclark/knowledge/knowledge.html.
CONSELHO DA JUSTIÇA FEDERAL - CJF.Pesquisa - Sistemas Judiciais eletrônicos da
Justiça Federal. Brasília, 2018. Disponível em:
https://www.cjf.jus.br/observatorio/sistemas/timeline/arq/2018-10-24_Pesquisa_Sistemas_Eletronicos.pdf. Acesso em: 10 jul. 2019.
CONSELHO NACIONAL DE JUSTIÇA - CNJ.A Justiça em Números - Relatório Analítico
2015. Brasília, 2015.
CONSELHO NACIONAL DE JUSTIÇA - CNJ.A Justiça em Números - Relatório Analítico
2016. Brasília, 2016.
CONSELHO NACIONAL DE JUSTIÇA - CNJ.A Justiça em Números - Relatório Analítico
2017. Brasília, 2017.
CONSELHO NACIONAL DE JUSTIÇA - CNJ.A Justiça em Números - Relatório Analítico
2018. Brasília, 2018.
CONSELHO NACIONAL DE JUSTIÇA - CNJ.A Justiça em Números - Relatório Analítico
2019. Brasília, 2019.
CONSELHO NACIONAL DE JUSTIÇA - CNJ.A Justiça em Números - Sumário Executivo
REFERÊNCIAS 116
DAVENPORT, Thomas H.; PRUSAK, Lawrence.Working Knowledge: How Organizations
Manage What They Know. Boston, MA, USA: Harvard Business School Press, 1998. ISBN
0875846556.
DEVLIN, Jacobet al.BERT: Pre-training of Deep Bidirectional Transformers for Language
Understanding.CoRR, abs/1810.04805, 2018. arXiv:1810.04805. Disponível em:
http://arxiv.org/abs/1810.04805.
DINAMARCO, Cândido Rangel; LOPES, Bruno Vasconcelos Carrilho.Teoria geral do novo
processo civil. 2. ed. São Paulo: Malheiros editores, 2016. ISBN 9788539203598.
DRESCH, Aline; LACERDA, Daniel Pacheco; ANTUNES JR, José Antônio Valle.Design
Science Research: A Method for Science and Technology Advancement. Cham: Springer,
2015. ISBN 9783319073743.
DRUCKER, Peter. The Coming of the New Organization.Financial Management, Harvard
Business Review, jan. 1988. Disponível em:
https://hbr.org/1988/01/the-coming-of-the-new-organization.
DRUCKER, Peter.The New Realities: in government and politics... in economy and business... in society... and in world view. New York: Routledge, 1994. ISBN 9780750619806.
ERKENS, M.; BODEMER, D.; HOPPE, H.U. Improving collaborative learning in the classroom: Text mining based grouping and representing.International Journal of Computer-Supported Collaborative Learning, v. 11, n. 4, p. 387–415, 2016. DOI: 10.1007/s11412-016-9243-5. Disponível em:
https://www.scopus.com/inward/record.uri?eid=2-s2.0-
84995468250&doi=10.1007%2fs11412-016-9243-5&partnerID=40&md5=a83011067fc3ca15d9ee8baa2b5c7b16.
FARACO, Fernando M; TODESCO, José Leomar. Inteligência Artificial Aplicada ao Direito:
Uma Revisão Sistemática da Literatura.Congresso Internacional de Conhecimento e
Inovação – Ciki, v. 1, n. 1, 2018. ISSN 2318-5376. Disponível em:
http://proceeding.ciki.ufsc.br/index.php/ciki/article/view/591.
FAYYAD, Usama; PIATETSKY-SHAPIRO, Gregory; SMYTH, Padhraic. From Data Mining to Knowledge Discovery in Databases.AI Magazine, v. 17, n. 3, p. 37, mar. 1996. DOI: 10.1609/aimag.v17i3.1230. Disponível em:
https://wvvw.aaai.org/ojs/index.php/aimagazine/article/view/1230.
FELDMAN, Ronen; DAGAN, Ido. Knowledge Discovery in Textual Databases (KDT).In:
PROCEEDINGS of the First International Conference on Knowledge Discovery and Data Mining. Montréal, Québec, Canada: AAAI Press, 1995. (KDD’95), p. 112–117.
REFERÊNCIAS 117
FELDMAN, Ronen; SANGER, James.Text Mining Handbook: Advanced Approaches in
Analyzing Unstructured Data. USA: Cambridge University Press, 2006. ISBN 0521836573.
FERREIRA, João; GONÇALO OLIVEIRA, Hugo; RODRIGUES, Ricardo. Improving NLTK
for Processing Portuguese.In:SYMPOSIUM on Languages, Applications and Technologies
(SLATE 2019). [S.l.:s.n.], jun. 2019. In press.
FITELSON, Branden. A Probabilistic Theory of Coherence.Analysis, Oxford University Press,
v. 63, n. 3, p. 194–199, 2003. DOI:10.1111/1467-8284.00420.
GONÇALVES, Fernando Moreira. Um breve balanço sobre a história da Justiça Federal no Brasil.Consultor Jurídico, jan. 2014. [Online; publicado em 26-Janeiro-2014]. Disponível em: https://www.conjur.com.br/2014-jan-26/segunda-leitura-breve-balanco-historia-justica-federal-brasil.
GORDON, T.F.; WALTON, D. Legal reasoning with argumentation schemes. English.In:
p. 137–146. ISBN 9781605585970. DOI:10.1145/1568234.1568250. Disponível em:
https://www.scopus.com/inward/record.uri?eid=2-s2.0-70450195738&doi=10.1145%2f1568234.1568250&partnerID=40&md5= f6c947c20a25a66ca7545efe6e8d2890.
GRAVE, Edouardet al.Learning Word Vectors for 157 Languages.In:PROCEEDINGS of the
International Conference on Language Resources and Evaluation (LREC 2018). [S.l.:s.n.], 2018.
GRINOVER, Ada Pellegrini; CINTRA, Antônio Carlos de Araújo;
DINAMARCO, Cândido Rangel.Teoria geral do processo. São Paulo: Malheiros editores,
2010.
GUPTA, A.et al.Toward building a legal knowledge-base of Chinese judicial documents for large-scale analytics. English. Edição: Casini G. Wyner A.Frontiers in Artificial Intelligence and Applications, IOS Press, v. 302, p. 135–144, 2017. ISSN 09226389. DOI:
10.3233/978-1-61499-838-9-135. Disponível em:
https://www.scopus.com/inward/record.uri?eid=2-s2.0-
85038004778&doi=10.3233%2f978-1-61499-838-9-135&partnerID=40&md5=99d62e31c880c08b797cf1d6e5a9ab59.
HAFNER, C.D.; BERMAN, D.H. The role of context in case-based legal reasoning:
Teleological, temporal, and procedural. English.Artificial Intelligence and Law, v. 10, n. 1-3,
p. 19–64, 2002. ISSN 09248463. DOI:10.1023/A:1019516031847. Disponível em:https:
//www.scopus.com/inward/record.uri?eid=2-s2.0-0036727824&doi=10.1023% 2fA%3a1019516031847&partnerID=40&md5=bc3e02e83c2d4bb8179e3164d7620d54. HAGEN, L. Content analysis of e-petitions with topic modeling: How to train and evaluate LDA
models?Information Processing and Management, v. 54, n. 6, p. 1292–1307, 2018. DOI:
REFERÊNCIAS 118
//www.scopus.com/inward/record.uri?eid=2-s2.0-85047760326&doi=10.1016% 2fj.ipm.2018.05.006&partnerID=40&md5=e6c91147e78a3e72bb20678c67404ae5. HALL, David; JURAFSKY, Daniel; MANNING, Christopher D. Studying the History of Ideas
Using Topic Models.In:PROCEEDINGS of the 2008 Conference on Empirical Methods in
Natural Language Processing. Honolulu, Hawaii: Association for Computational Linguistics,
out. 2008. P. 363–371. Disponível em:https://www.aclweb.org/anthology/D08-1038.
HAO, Karen.What is Machine Learning?Edição: MIT Technology Review. [S.l.:s.n.], 2018.
Disponível em: