# Pet16704 — Análise do Processo

Visualização interativa da linha do tempo dos autos vinculados **Pet16704** (STF) — um ponto por
documento, agrupado pela instituição de origem (Relatoria, PGR, Polícia Federal, Partes e Defesas,
Secretaria e Cartório) e posicionado pela data real de juntada.

**Ver a página publicada:** (preencha aqui o link do GitHub Pages depois do primeiro deploy)

## Como os dados foram montados

1. **`docs.json`** — cruzamento de duas fontes do dump original (uma com a instituição de cada
   documento, outra com data/texto completo/arquivo-fonte). Ver `pipeline/extract.py`.

2. **Tipo de documento** — extraído do nome do arquivo-fonte de cada documento (ex.: "Despacho",
   "Petição", "Procuração", "Certidão"), normalizado com acentuação correta.

3. **Pessoas mencionadas (`people.json` / `PESSOAS.md`)** — reconhecimento de entidades feito
   **localmente, sem usar o Claude para o texto em si**, com o modelo
   [`pierreguillou/ner-bert-base-cased-pt-lenerbr`](https://huggingface.co/pierreguillou/ner-bert-base-cased-pt-lenerbr)
   (BERT treinado no corpus **LeNER-Br**, de textos jurídicos brasileiros). Rodado sobre os 3.437
   textos via `pipeline/run_ner.py`.

   Depois da extração bruta (435 nomes distintos), foi feita uma limpeza:
   - separação de nomes que o modelo juntou erroneamente com "e" (ex. "Fulano e Beltrano" → duas
     pessoas), preservando sobrenomes compostos legítimos ("Castro e Silva");
   - remoção de nomes de escritórios de advocacia reconhecidos como pessoa por engano;
   - descarte de fragmentos de um único token (nomes incompletos, ex. só o primeiro nome);
   - junção de variações do mesmo nome por contenção de tokens (ex. "Daniel Vorcaro" →
     "Daniel Bueno Vorcaro").

   Resultado: **292 pessoas distintas**, listadas em `people.json` (formato bruto, usado pela
   página) e em `PESSOAS.md` (tabelas legíveis, agrupadas por papel). O papel processual de cada
   pessoa (Relator/Ministro, Outorgante/Parte, Peticionante, Advogado(a), Investigado(a),
   Delegado(a) PF, Senador(a), Deputado(a), Alvo de diligência, Perito(a), Testemunha) foi inferido
   por frases-gatilho perto de cada menção (ex. "Despacho do Relator X", "Procuração de X
   constituindo Y", "em desfavor de X"). **63% das pessoas (185 de 292) ficaram sem papel
   classificado** ("Mencionado(a)") por falta de um sinal textual próximo confiável — isso é
   esperado e fica visível na própria listagem, não escondido.

   **Limitações conhecidas:** isso é reconhecimento automático de entidades em texto livre, não uma
   base curada. Pode haver nomes não reconhecidos, variações da mesma pessoa não unificadas, e
   classificações de papel aproximadas. Trate como um ponto de partida para busca, não como fonte
   definitiva de identidade ou qualificação processual.

4. **Recuperação de datas (`pipeline/recover_dates.py`)** — dos 615 documentos sem data de juntada
   identificada no dump original, 366 tiveram uma data recuperada lendo o texto original do próprio documento em
   busca da sua linha de fechamento no padrão "Cidade/UF, DD de mês de YYYY." (ex. "Brasília, 10 de
   abril de 2026."). Esses casos ficam marcados com `dateInferred: true` em `docs.json` e aparecem
   no resumo do documento como "data lida no texto do documento, não da juntada nos autos" — é uma
   data real do documento, mas não necessariamente a data em que foi juntado ao processo. Os 249
   restantes seguem sem data (fora do gráfico, só na tabela). Duas versões mais permissivas foram
   tentadas e descartadas por amostragem manual antes desta: buscar qualquer "DD de mês de YYYY" no
   texto pegava datas de citação de leis/decretos ("da Lei 11.419, de 19 de dezembro de 2006") e
   prazos de normas citadas ("será exigido a partir de 1º de janeiro de 2017") como se fossem a data
   do documento; e um fallback numérico (`dd.mm.aaaa`) pegava números soltos de anexos técnicos
   longos (um laudo de vistoria, a validade de um CRECI) sem relação com a data real. Exigir uma
   cidade e vírgula imediatamente antes da data eliminou os falsos positivos encontrados.

5. **Autos vinculados (`resumos/parte1/`, `resumos/parte2/`)** — resumos em markdown dos processos conexos citados
   ao longo da Pet16704 (Inq 5026, Inq 5035, Inq 5050, Inq 5070, Rcl 88121 e diversas Petições —
   PET 15198, 15375, 15478 etc.), um arquivo por processo mais um `INDEX.md` consolidado em cada
   pasta. Cobrem partes/investigados, advogados, autoridades e linha do tempo resumida de cada
   procedimento. Na página, o resumo de qualquer documento da linha do tempo tem um botão "Ver
   resumo do processo" que busca e mostra o arquivo correspondente aqui.

## Projeto relacionado

[**vorcaros**](https://rafapolo.github.io/vorcaros/) — visualização em grafo da rede societária
(empresas e sócios) ligada às mesmas pessoas que aparecem nesta linha do tempo processual. Os dois
projetos olham o mesmo caso por ângulos diferentes: um pela rede de negócios, este pelo andamento
processual.

## Aviso

Este projeto reúne informações de um processo público em curso no STF. Nomes, datas e descrições
refletem o conteúdo dos autos tal como disponibilizado; erros de extração automática (OCR, NER,
digitação no material de origem) podem existir. Não constitui manifestação jurídica sobre culpa,
inocência ou qualquer qualificação processual das pessoas mencionadas.