Classificador_Decisao

README

Decision Classifier

Projeto pensado para classificar as ementas de decisões extraídas das páginas dos tribunais de justiça de todo país.

Instal

go get github.com/Darklabel91/Classificador_Decisao

Data Struct

Os dados de retorno podem ser bool, string ou Infered_decision, essa última é composta por:

type Infered_decision struct {
	Summary    string `json:"summary,omitempty"`
	Text       string `json:"text,omitempty"`
	Class      string `json:"classificcao,omitempty"`
	Identifier string `json:"Identifier,omitempty"`
	Court      string `json:"Court,omitempty"`
}

• Summary: Ementa ou trecho de decisão para classificar
• Text: Trecho de texto selecionado pelo classificador
• Class: A classificação feita (ver a seção "Categorias" abaixo)
• Identifier: Um identificador. É recomendado que seja utilizado o número do CNJ que a ementa está conectada para facilitar o cruzamento de dados
• Court: O tribunal do qual a ementa foi extraída

Categorias

• Prejudicado
• Convertido em diligência
• Reexame necessário
• Parcial Provimento
• Improvimento
• Provimento
• Sem Ementa
• Casos não mapeados

Example

package main

import (
	"fmt"
	"github.com/Darklabel91/Classificador_Decisao"
)

func main() {

	summary := "PROCESSUAL CIVIL. AGRAVO INERNO NO RECURSO ESPECIAL. AÇÃO DE COMPENSAÇÃO POR DANO MORAL E REPARAÇÃO POR DANO MATERIAL. DANO MORAL. OCORRÊNCIA. LONGO ATRASO NA ENTREGA DE IMÓVEL. 1. Ação de compensação por dano moral e reparação por dano material. 2. Cabimento de compensação por danos morais em virtude de longo atraso na entrega de imóvel. Precedentes. 3. Agravo interno no recurso especial não provido."
	id := "0"
	court := "STJ"

	test := Classificador_Decisao.Decision_Classifier(summary, id, court)
	fmt.Println(test.Class)
}

Retorno

Improvimento

Functions

Main Function:

• Decision_Classifier(summary string, identifier string, court string) -> retorna uma Infered_decision necessitantando da ementa, identificador, tribunal. Essa função faz um uso em laço da ClassDecision, iniciando com 16 caracteres, até a totalidade de caracteres da ementa para classificar o texto.

Decision Function:

• ClassDecision(summary string, identifier string, court string, char int) -> retorna uma Infered_decision necessitantando da ementa, identificador, tribunal e número de caracteres a serem analisados na ementa (de trás para frente).

Suport Functions:

• Affected(text string, char int) -> retorna true para uma ementa prejudicada
• Diligence(text string, char int) -> retorna true para uma ementa convertida em diligência
• ExOfficioReview(text string, char int) -> retorna true para uma ementa reexame necessário
• Partial(text string, char int) -> retorna true para uma ementa parcial provimento
• Groundless(text string, char int) -> retorna true para uma ementa improvimento
• HasGround(text string, char int) -> retorna true para uma ementa provimento

Disclaimer

Esse é um work in progress do classificador, ainda não sabemos o % de efetividade desse classificador para as ementas existentes nos tribunais de justiça. Use por sua conta em risco.

Considerações

A) Esse projeto foi criado de forma voluntária, você pode contribuir de qualquer modo. Se encontrar uma falha, não hesite em criar um “issue” ou procure corrigir você mesma(o) o erro e dar um “pull request”.

B) use os dados baixados para agregar valor, como por exemplo, para realizar análises ou publicar artigos, fazer inferências, elaborar recomendações aos poderes públicos etc. Baixar esses dados para reproduzi-los em sua página web é tirar proveito do trabalho alheio, mesmo sendo esses dados públicos.

Documentation

Index

• func CsvDecision_Classifier(rawDecisionPath string, separator rune, nameResultFolder string)
• func Decision_Classifier(summary string, identifier string, court string) Struct.Infered_decision

Functions

func CsvDecision_Classifier

func CsvDecision_Classifier(rawDecisionPath string, separator rune, nameResultFolder string)

func Decision_Classifier

func Decision_Classifier(summary string, identifier string, court string) Struct.Infered_decision