79 lines
5.4 KiB
Markdown
79 lines
5.4 KiB
Markdown
# 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.
|