Preprocessing Applied to Legal Text Mining: analysis and evaluation of the main techniques used

Abstract

A mineração de textos no contexto jurídico requer técnicas eficazes de pré-processamento para preparar os dados para análise. Dado o vocabulário jurídico único, é necessária uma abordagem meticulosa. A escolha das técnicas de pré-processamento pode influenciar significativamente a relevância das informações extraídas. Esta pesquisa investiga as tarefas cruciais de préprocessamento envolvidas na Mineração de Textos Jurídicos e avalia sistematicamente seu impacto em um problema de classificação. Por meio de uma série de experimentos, foram testadas oito diferentes tarefas de pré-processamento e suas combinações. Por fim, obteve-se que as tarefas com melhor desempenho combinado foram: remoção de números/dígitos; remoção de links e e-mails; transformação de maiúsculas em minúsculas; stemização; lematização e tokenização.