Classificação de petições iniciais no Conselho Nacional do Ministério Público

Abstract

Este trabalho propõe a aplicação de técnicas de Processamento de Linguagem Natural, utilizando modelos de linguagem baseados em BERT, para melhorar a classificação de petições iniciais do Conselho Nacional do Ministério Público (CNMP). Os modelos BERTimbau e Albertina PT-BR demonstraram desempenho superior aos algoritmos tradicionais de aprendizado de máquina, evidenciando a eficácia do ajuste fino desses modelos para a tarefa de classificação conforme as classes processuais definidas no artigo 37 do Regimento Interno do CNMP. A pesquisa integrou estratégias de pré-processamento, como digitalização e limpeza textual, além de técnicas de sumarização abstrativa com RAG e LLM, que contribuíram significativamente para o desempenho dos classificadores. Também foi explorada a técnica de Data Augmentation para balanceamento de dados, a qual mostrou impacto positivo nos classificadores tradicionais, especialmente no SVM combinado com vetorização por embeddings, e aprimorou o desempenho do modelo Albertina PT-BR. Os resultados indicam que o ajuste fino de modelos BERT é uma alternativa eficaz para a classificação de petições iniciais, superando abordagens tradicionais de aprendizado de máquina. A pesquisa demonstrou eficácia e inovação na classificação de textos no contexto do Ministério Público brasileiro.