Banca de DEFESA: HIDELBERG OLIVEIRA ALBUQUERQUE

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE: HIDELBERG OLIVEIRA ALBUQUERQUE
DATA : 16/10/2026
HORA: 09:00
LOCAL: Virtual
TÍTULO:

A Comprehensive Named Entity Recognition Framework for Brazilian Portuguese Legal and Legislative Documents: Corpora, Models, and Applications

PALAVRAS-CHAVES:

Reconhecimento de Entidades Nomeadas, Processamento de Linguagem Natural, Domínio Legislativo-Jurídico, Corpus anotado, Recuperação da Informação, framework REN linguístico-arquitetural

PÁGINAS: 163
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.

MEMBROS DA BANCA:
Presidente - 1511021 - RENATA MARIA CARDOSO RODRIGUES DE SOUZA
Externo à Instituição - DENNIS GIOVANI BALREIRA - UFRGS
Externo à Instituição - ANDRE CARLOS PONCE DE LEON FERREIRA DE CARVALHO - USP
Externa à Instituição - NADIA FELIX FELIPE DA SILVA - OUTRA
Externa à Instituição - RENATA VIEIRA - UE