, 40. SBAI- Simpósio Brasileiro de Automação Inteligente, São Paulo, SP, 08-10 de Setembro de 1999

UM MODELO PARA EXTRAÇÃO DE INFORMAÇÃO EMDOCUMENTOS ESTRUTURADOS '

I1sonWilmar Rodrigues Filho1(wilmar@eps.ufsc.br)

' J oão Bosco da Mota Alves1,2,3(jbosco@inf.ufsc.br)

'Programa de Pós-Graduação em Engenharia de Produção2Programa de Pós-Graduação em Ciência da Computação

3Departamento de Informática e de EstatísticaCentroTecnológico

Universidade Federal de Santa Catarina

Resumo Neste trabalho apresentamos a utilização de estruturashierárquicas na extração de informação em textos jurídicos' para um sistema de pesquisa jurisprudencial inteligente. Osdocumentos jurídicos são textos estruturados , cujos formatossão definidos por lei (BUENO, 1999). A abordagem utilizadaserve como base para a construção de arquivos de indexaçõesde textos, onde a recuperação de informação pode ser feita demaneira mais eficiente ' Ela foi utilizada no Prudentia(WEBER-LEE, 1997a), (WEBER-LEE, 1997b), (WEBER-LEE, 1998) para obtenção das instâncias do índice resultado ·para a construção de casos representativos de acórdãos.

Palavras Chaves: Extração de Informação, Recuperação deInformação, Raciocínio Baseado em Casos.

Abstract: This work presents an information extraction modelfor legal texts. Legal documents represent structured textswhich format are defined by law (BUENO, 1999). Therefore,our model uses hierarchical structures for informationextraction. . This approach allows to construct indexes whichresults in efficient information retrieval for legal texts. Ourmodel was used to construct significant cases for juridicalagreements in the Prudentia system (WEBER-LEE, 1997a),(WEBER-LEE, 1997b). (WEBER-LEE. 1998).

Keywords: . Information Extraction, Information Retrieval,Case Based Reasoning.

1 INTRODUÇÃOUm parâmetro que indica o crescimento da quantidade deinformação científica disponível é o número .de publicaçõescientíficas (WADDINGTON, 1979). As primeiras publicaçõescientíficas surgiram em 1665. Eram apenas duas: urna inglesa• .The Philosophical Transactions, e uma francesa . Journal desSçavants. Em 1938. calculava-se em 33.000 este número; em1960 em 50.000. Apesar de todo este volume de informação sercolocado à disposição das pessoas, ninguém tem acesso à todaela. Com o advento da Internet , a quantidade de informaçõesdisponíveis tem crescido de forma exponencial. A Internet é

403

uma rede de centenas de milhares de redes. o que leva amilhões de computadores espalhados pelo mundo. Ela permiteter acesso a um volume cada vez maior de informações.Através dela pode-se acessar catálogos de bibliotecas por todoo planeta. O número de computadores conectados à Internetcresce cada vez mais. Laquey traz os seguintes dados em(LAQUEY, 1994), com dados até janeiro de 1991:

1981: 213

1989: 80.000,

' 1990 (Outubro): 313.000

1991(Janeiro): 727.000

800000700000600000500000400000VI-----300000200000100000

..1981 1989 1990 1991

Figura 1 • Número de Computadores conectados à Internetde 1981 a 1991

Devido à existência desta grande quantidade de informações. enão ser possível se ter acesso à toda ela, pode ocorrer ofenômeno da redescoberta, que é o fato de alguém redescobriralguma coisa que já havia sido descoberta anteriormente masque não recebeu a divulgação necessária ou não atingiu um

40. SBAI- Simpósio Brasileiro de Automação Inteligente, São Paulo, SP, 08-10 de Setembro de 1999

número grande suficiente de pesquisadores, pois o universo dasinformações está muito grande. A pessoa que redescobriu umfato não sabia, por não ter acesso à todas as informações, que ofato já havia sido descoberto.

2 A NECESSIDADEDE INFORMAÇÕESOs processos de tomada de decisão necessitam de informações.Mas, a quantidade muito grande de informações disponíveisacaba criando um problema para quem delas precisa: comomanusear e recuperar as informações realmente necessáriasdentre todo o conjunto disponível? É preciso um tratamentoadequado dessas informações: procedimentos, formalismos derepresentação e recuperação serão necessários. A manipulaçãomanual de informações textuais se configurará numa tarefadifícil e demorada. Dentro da área jurídica, por exemplo,advogados gastam dias no estudo da jurisprudência paraestabelecer a defesa de seus clientes, na busca de documentosque os auxiliem nesta defesa.

A Inteligência Artificial tem desenvolvido técnicas-que podempermitir o tratamento de grandes volumes de informações,como alternativa ao tratamento manual dos mesmos:algoritmos genéticos, redes neurais, lógica difusa, aprendizadode máquina, dentre outros, vem auxiliar na busca,representação, aquisição e recuperação de informações.

3 EXTRAÇÃODE INFORMAÇÃOA extração de. informação é uma tarefa que suma importânciaria recuperação de informação. -Uma das áreas em que aextração de informação participa é na recuperação de 'informação em sistemas baseados em casos. Aplicaçõesrecentes tem sido desenvolvidas na área do Direito, ondenecessidades de respostas mais rápidas por parte dos juízes eadvogados está atribuindo uma importância relativa àInteligência Artificial no mundo jurídico.

4 AS FONTES DO DIREITOQuando um especialista na área do Direito se vê com muitasdúvidas frente a um caso em sua área, ele busca auxílio àsfontes do Direito para sair do dilema em que se encontra.Como em outras áreas da atividade humana, também na áreajurídica ocorrem mudanças que afetam as pessoas envolvidascom a mesma. O que pode parecer normal hoje, poderá parecercompletamente absurdo ou insensato em alguns anos. Anecessidade de atualização de profissionais na área jurídica sefaz necessário, porém, esta necessidade esbarrará num pontoincontestável: a quantidade de informação é tão grande que otempo de busca e recuperação de informações demanda muitotrabalho. A experiência dota os profissionais de pontos de vistadistintos sobre determinados temas. 'Um sistema que permita aoprofissional de direito, tanto para a busca de informação nafalta dela, corno para reforçar pontos de' vista, de formaautomática, será uma excepcional ferramenta de trabalho. .

Sistemas de acesso à banco de dados tem usado técnicas decasamento de padrões (patern matching), onde a busca é feitapor estruturas conhecida'>. Estas estruturas são estáticas. Se taisestruturas forem definidas em função de relacionamentos entreseus objetos constituintes, dota-se elas de um certo dinamismo(que na realidade seria um aumento considerável de estruturas

404

estáticas!). Estas estruturas organizadas hierarquicamente vãopermitir aumentar a complexidade do sistema .

5 ESTRUTURAS HIERÁQUICASUma estrutura hierárquica é constituída por níveis. Isto, porém.não significa que os elementos de um nível tenha ' maisresponsabilidade ou seja mais importante que os elementos deum nível inferior, e sim que estes elementos são constituídospor relações de elementos de níveis inferiores e temcaracterísticas distintas destes. A decomposição de cada partede um processo em unidades compostas organizadas por níveis,tem um limite determinado de forma arbitrária . A escolha donível de unidades elementares para o processo serádeterminado pelo contexto e objetivo deste processo.

Os elementos de um nível n de uma estrutura são constituídospor cabeça, .elemento iniciador ou centróide e corpo . Cabeçade um elemento de ordem n é o elemento que torna-se oprincipal componente do nível de uma estrutura hierárquica apartir de um salto qualitativo ocorrido 'entre dois níveisconsecutivos. Corpo é o conjunto dos demais componentes. Oselementos de um nível n de uma estrutura hierárquica quepossui o centróide estão relacionados com ele. As relaçõesentre os elementos de uma estrutura hierárquica dependem docaráter e da posição relativa dos mesmos . O caráter é umacaracterística individual de um elemento de um nível daestrutura hierárquica que o discrimina em relação aos demaiselementos do mesmo nível. As relações que se estabelecem emdeterminado nível da estrutura são mais simples nos níveismais baixos, tornando-se mais complexos à medida que se sobena hierarquia. A posição relativa é uma metáfora espacial quedepende do observador. Por convenção vamos denominar asposições relativas de direita e esquerda. Como todo elementode uma estrutura hierárquica (com exceção dos primeirosníveis) está relacionado com o elemento denominado decabeça da estrutura, dizemos que todo elemento de umaestrutura hierárquica está à esquerda ou à direita da cabeça daestrutura. É claro que se poderia adotar outra metáfora comoutras posições relativas. Poderíamos, por exemplo, adotar umaorganização em duas dimensões; em três dimensões, etc. Onível da descrição desses relacionamentos seria cada vez maiscomplexo. Portanto, a metáfora que adotamos é a mais simples,com apenas uma dimensão.

6 CONCEITOS"Compreender" é, em geral, buscar por padrões, "entendendo-se por padrão qualquer interrelação observável de fenômenose/ou conceito." (WILSON, 1985, p. 23). Um sistema conceitualé o produto resultante do processo de reconhecimento depadrões. O sistema conceitual vai consistir de: objetos,atributos, relações, quantidades, etc.

A definição de um conceito dentro de um sistema conceitualconsistirá em estabelecer uma estrutura de tipos de objetos e a .relação entre eles. Os tipos de objetos serão diferenciados emfunção de seus atributos e as relações entre esses atributos.Será preciso, é claro, estabelecer os conceitos primitivos poiscomo os conceitos são definidos também em função de outrosconceitos (por exemplo, atributos também são conceitos),exigir que "todo conceito deveria ser definido antes de serusado, é redondamente absurdo." (BUNGE, 1973, p. 18).

40. SBA I - Simpó sio Brasileiro de Automação Inteligente, São Paulo, SP, 08-10 de Setembro de 1999

As relações que determinamos para este trabalho, utilizando ametáfora espacial são: membrojda, primeiro elemento,sucessor, predecessor, na_esquerda_de, na_direita_de eultimo_elemento. Criamos um conjunto de regras de produçãopara estabelecer tais relações. A estrutura é representada pelosseus componentes numa lista .

Relação membradai A relação membro_da é estabelecidaentre um elemento X qualquer e a estrutura E. Ela seráverdadeira quando o elemento for componente da estrutura , efalso em caso contrário.

Relação primeiro elemenun A relação primeiro_elemento éestabelecida entre um determinado elemento X e os demaiselementos da estrutura E quando tal elemento for o primeiroelemento da estrutura.

Relação sucessor: A relação sucessor é estabelecida entre umelemento Y qualquer e seu sucessor X (próximo elemento àdireita) de uma estrutura E.

Relação predecessor: A relação predecessor é estabelecidaentre um elemento Y qualquer da estrutura E e seu predecessor.

Relação na_esquerda_de: A relação na-esquerdajde seestabelece entre um elemento X qualquer da estrutura E comtodos os demais elementos da estrutura que estão à esquerda deX.

Exemplos:

No exemplo dado, foram identificadas três primitivas:conceder, pedido e negação. O conceito determinado foidenegado.

Relação na_direita_de: A relação na-direitajde é estabelecidaentre um elemento X qualquer da estrutura E com todos osdemais elementos da estrutura que estão à sua direita.

Relação »ltimoelemento: A relação ultimo_elemento éestabelecida entre um determinado elemento X e os demaiselementos da estrutur a E quando tal elemento for o últimoelemento da estrutura .

As definições das estruturas , tanto primitivas com de conceitossão denominadas structJ. As chamadas para determinar quaisas definições nas listas obtidas a partir das sentenças são feitascom struct.

7 A OBTENÇÃO DOS RESULTADOS DOSACÓRDÃOS

cordaR(10.251,$RCORDRH, eRPri .eira Câllilra cridnal, por votação vnâni.e,denegar a ordenS).

A figura 4 mostra uma lista da subestrutura dos acórdãosrelativa aos resultados dos mesmos acórdãos, que para realizaro teste foram extraídos manualmente.

daA(1D.2lM,$ACllRDAH, eRPrillfira câllilra Crbinal, por votação vnâni.e,, denegar a ordenS).

!acordaO(1D.23_,$ACORDAH, eA pri.e$ira CâRara Crininal, por votação vnâni.e,i denegar a ardeR ). "»i:acordaR(10.236,$ACORORH, eA Prbeira Câ.ara Crininal, por votação vnânille, '/;

conceder a ordeRpara anular o processo a partir da decisão Hde pronúncia, inclusive, e deterdnar qve outra seja

l. proFerida$) . (\h

lacordaA(1D.231,$ACORDAH, en Pri.eira CâRara Crillinal, por votação unâni.e, ndenegar a ordenS).

jjacordaA(1D.1I3,$ACORDAH, eR Segunda Cânara Crillinal, por votação unânilW, 9:j conceder a ordeR para anular o processo a partir de fls. _1, ',f,.. exclusive$).

cordaA(10.2_1,$RCORDAH, eAPrilll!ira Câllilra Crininal, à unanbidade, julgarprejudicado o pedido$). VI

'!(

.,Figura 2 • Exemplo de uma Estrutura para o conceito

concedido

Como exemplo de conceitos utilizando estruturas hierárquicascomplexas vamos estabelecer alguns conceitos, tais comoconcedido e denegado. Com as estruturas definidas vamoselaborar um processo que identifique num conjunto deacórdãos as instâncias do índice resultado para um sistemainteligente de pesquisa jurisprudencial.

.....to..;.;

Figura 3 • Exemplo de uma Estrutura para o conceitodenegado

Duas definições para os conceitos concedido e denegado , emProlog, são as seguintes :

405

40. SBAI - Simpósio Brasileiro de Automação Inteligente. sao Paulo. sr-, ca-ro ae ::setemDro ae 1

Figura 4 - Subestruturas dos acórdãos que contém osresultados

Construímos um procedimento para extrair da relação daFigura 4 os resultados relativos a cada acórdão. Os resultadosobtidos na extração foram gravados no arquivo saída .pro.

-l : ':eX'." ,I:..•. _ _ ,--....__,_p ."'._.,., ,.__ _ .. n _

8 CONCLUSÃO.A abordagem da Engenharia do Conhecimento utilizandoestruturas hierárquicas complexas no desenvolvimento desistemas inteligentes pareee promissor (tal abordagem já temsido utilizada de forma dissimulada em outras técnicas), tendoem vista a extração automática de informações de textos para aconstrução de casos representativos desses textos. O frame éuma espécie de estrutura hieráquica. A sociedade de agentesproposta por Mi nsky é organizada em níveis, onde cadaagente é auxiliado por outros agentes que por sua vez sãoauxiliados por outros agentes: cada tarefa complexa ésubdividida em tarefas mais simples, que por sua vez sãosubdivididas em outras tarefas mais simples (cada tarefa é narealidade um processo). As tarefas mais simples possíveis vãose organizando de maneira estruturada na composição detarefas mais complexas, até que a tarefa a que se destina osistema seja realizada.

Uma aplicação possível é em Data Mining, especificamente nopré-processamento de bases de dados para gerar representaçõesconvenientes para serem utilizadas pelos algoritmos demineração de dados .

BIBLIOGRAFIABUENO, Tânia Cristina D' Agostini. Uso da Teoria Jurídica

para Recuperação de Acórdãos Criminais em SistemasBaseados em Caso. Dissertação de Mestrado, Programade Pós-Graduação em Engenharia de Produção,Universidade Federal de Santa Catarina, 1999.

BUNGE, Mario. Filosofia da Física. Lisboa: Edições 70, 1973.

LAQUEY, Tracy; RYER, Jeanne C. O manual da Internet: umguia introdutório para acesso às redes globais. Rio deJaneiro: Campus, 1994.

406

WADDINGTON, Conrad Hal. Instrumental para opensamento. Belo Horizonte: Ed. Itatiai a, São Paulo :Ed. da Universidade de São Paulo, 1979 .

WEBER-LEE, Rosina.; BARCIA, Ricardo Miranda; COSTA,Márcio C. da; RODRIGUES FILHO, llson Wilmar;HOESCHL, Hugo c., BUENO, Tania C. D'Agostini ;MARTINS, Alejandro; PACHECO, Roberto C. A LargeCase-Based Reasoner for Legal Cases, Lecture Notes ,In: Artificial Intelligence, 2nd Int. Conference on CBR,ICCBR97 , David Leak, Enric Plaza (ed) ., Springer,Berlin, 1997.

WEBER-LEE, Rosina .; BARCIA, Ricardo Miranda;PACHECO, Roberto c.. MARTINS, Alejandro ;HOESCHL, Hugo c., BUENO, Tania C. D' Agostini;COSTA, Márcio C. da; RODRIGUES FILHO, llsonWilmar. Representing Cases from Texts. In Case-BasedReasoning, III Congresso Internacional de EngenhariaIndustrial e xvn ENEGEP,Canela, RS, 6 a 9 deOutubro de 1997.

WEBER-LEE, Rosina. Pesquisa Jurisprudencial Inteligente.Tese de doutorado, Programa de Pós-Graduação emEngenharia de Produção , Universidade Federal de SantaCatarina , maio/l998.

WILSON , Edgar. Lo Mental como Físico. México: Fondo deCultura Económica, 1985.