pet16704/README.md

# Pet16704 — Linha do Tempo Processual

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)

## Por que isso existe

O material de origem trazia um `gitGraph` do Mermaid com um commit por documento (3.437 no total).
Isso não escala: o Mermaid posiciona commits em sequência fixa, sem eixo temporal real, e o SVG
gerado saía em **16.368 × 40 px** — ilegível. As descrições também vinham truncadas em ~100
caracteres pelas tags do Mermaid.

Este projeto troca aquele gráfico por uma timeline de verdade:

- eixo X com datas reais (não sequência de commits) e zoom/pan sobre o período;
- uma faixa de visão geral (histograma mensal empilhado por instituição) para navegar entre o
  período parado (2018–2025) e a explosão de atividade em 2026;
- textos completos, sem truncamento, extraídos de `TIMELINE.md`;
- filtros por instituição, tipo de documento e pessoas mencionadas;
- uma visão em tabela (ordenável, pesquisável) como alternativa acessível ao gráfico.

## Estrutura do repositório

```
web/index.html   página estática (self-contained: HTML + CSS + JS, sem build step)
web/docs.json    um registro por documento (id, instituição, data, texto completo, tipo, pessoas)
web/people.json  catálogo de pessoas identificadas: {key, count, role}
PESSOAS.md       o mesmo catálogo, em tabelas markdown agrupadas por papel processual
pipeline/        scripts e dados intermediários da extração (referência, não é preciso rodar nada)
parte1/, parte2/ resumos dos autos vinculados a Pet16704 (um .md por processo + um RESUMO.md geral)
```

Para rodar localmente: `cd web && python3 -m http.server 8000` e abrir `http://localhost:8000`
(precisa de um servidor por causa do `fetch()` de `docs.json`/`people.json` — abrir o arquivo direto
via `file://` não funciona nos navegadores).

Na linha do tempo, clicar (ou tocar, no celular) em um ponto abre ao lado o resumo completo daquele
documento — data, instituição, tipo, texto integral, pessoas mencionadas e arquivo-fonte. Passar o
mouse sobre um ponto, sem clicar, mostra só uma prévia rápida (tooltip).

## Como os dados foram montados

1. **`docs.json`** — cruzamento de duas fontes do dump original (`gitgraph.md` para a instituição
   de cada documento, `TIMELINE.md` para 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. **Autos vinculados (`parte1/`, `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 `RESUMO.md` consolidado em cada
   pasta. Cobrem partes/investigados, advogados, autoridades e linha do tempo resumida de cada
   procedimento — contexto complementar à timeline principal, não gerado pelo mesmo pipeline
   automático de NER.

## 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.