Soluções baseadas em Processamento de Linguagem Natural (PLN) são adotadas com o objetivo de otimizar a gestão processual e garantir maior uniformidade e previsibilidade nas decisões judiciais. Modelos de linguagem, como o Bidirectional Encoder Representations from Transformers (BERT), são alternativas viáveis para capturar as particularidades da linguagem legal. Este trabalho investiga a aplicação de Parameter-Efficient Fine-Tuning (PEFT) com Low-Rank Adaptation (LoRA) aos modelos LegalBert-pt e BumbaBert, com abordagens de truncamento e agrupamento dos documentos para o aumento da precisão na classificação de temas de Incidentes de Resolução de Demandas Repetitivas (IRDRs) em sentenças jurídicas.
Sinéad Langan, Sigrún Alba Jóhannesdóttir Schmidt, Kevin Wing, Véra Ehrenstein, Stuart G. Nicholls, Kristian B. Filion, Olaf H. Klungel, Irene Petersen, Henrik Toft Sørensen, William G Dixon, Astrid Guttmann, Katie Harron, Lars G. Hemkens, David Moher, Sebastian Schneeweiß, Liam Smeeth, Miriam Sturkenboom, Erik von Elm, Shirley Wang, Eric I. Benchimol
Discussion(0)
No comments yet. Be the first to comment.