Classificação de Páginas de Petições iniciais Utilizando Redes Neurais Convolucionais Multimodais

Abstract

A classificação e separação de documentos é uma etapa de extrema importância na análise de processos judiciais. Algoritmos de aprendizado profundo têm alcançado resultados promissores nesta tarefa, extraindo informações relevantes a partir dos textos destes documentos. No entanto, os documentos de processos judiciais têm se tornado cada vez mais heterogêneos, i.e. fotos, recibos, documentos de texto, etc., impactando diretamente a precisão na classificação. Este trabalho investiga o uso de redes convolucionais multimodais, combinando características extraídas de textos e imagens, para classificação de páginas de processos. Duas abordagens multimodais foram comparadas com quatro monomodais. Todos os algoritmos foram avaliados, em termos em acurácia e kappa, em uma base de dados composta por 117 processos judiciais. Os resultados mostraram que a abordagem que atingiu o melhor desempenho é multimodal, apresentando eficácia e eficiência na classificação de páginas de processos.

Sequence-aware multimodal page classification of Brazilian legal documents

“…Textual and visual content are two of the four document aspects listed by Chen and Blostein [4] as possible feature sources. Image features range from fixed descriptors such as pixel density at different locations and scales [20] to approaches based on convolutional neural networks [13,8,1,30,17] such as VGG-16 [24] and MobileNetV2 [22]. Text features range from traditional methods such as latent semantic analysis [6] to pretrained word embeddings (e.g.…”

“…Engin et al [8] explore late and early fusion for the classification of Turkish banking documents, finding that both outperform unimodal methods. Mota et al [17] investigate multimodal classification of Brazilian court documents, concluding that multimodal approaches compare favourably with unimodal ones.…”

“…Therefore, our goal is to explore and evaluate methods that automatically classify document pages by combining different sources of information. Though previous work [16,17] has examined Brazilian legal document classification, we are the first to combine visual, textual, and sequential data to train better performing models. Our main contributions are:…”

Text Classification in Law Area: a Systematic Review

“…A disponibilização desses modelos pré-treinados são importantes pois o custo computacional para o treinamento deles do zero poderia inviabilizar muitas pesquisas. O que confirma essa importância, é que trabalhos analisados na Seção 6, especialmente [Silva and Maia 2020] e [Mota et al 2020], lançam mão dos modelos de word embedding gerados em [Hartmann et al 2017] dentro da arquitetura de Classificação Textual aplicada.…”

“…Dentre as aplicações no contexto jurídico, há a classificação de documentos para fins de migração dos processos físicos para eletrônicos [Silva and Maia 2020], ou ainda para direcionamento correto de demandas peticionadas eletronicamente, tal qual analisado em [Noguti et al 2020] e [Mota et al 2020]. Essas atividades requerem recursos humanos e horas de trabalho que podem ser destinadas a outras áreas com necessidades mais cognitivas, possibilitando a promoção de maior celeridade no Sistema de Justiça Brasileiro.…”