README.md

Modelo de Classificação de Enunciados de Jurisprudência

Projeto criado no final de 2015 para classificação de enunciados de jurisprudência em Área, Tema e Subtema.

No código há alguns exemplos de:

• Criação de modelos preditivos diversos usando scikitlearn.
• Redução de dimencionalidade utilizando PCA.
• Pré-processamento e conversão de texto para bag-of-word e vetores de palavras usando NLTK e word2vec (vetores treinados por grupo da USP).
• Criação de gráficos simples com matplotlib para realiação de nálise exploratório.
• Tarefas comuns de machine learning, utilando o scikitlearn.

Observações

• As versões mais antigas do projeto estão salvas na pasta tags.
• Os arquivos de dados (gerados a partir dos enunciados pelos scripts cria_datasets.py) foram excluídos do repositório (através da inclusão da extensão .npy no .gitignore) pois eles eram muito grandes.

---

Atualização:

Modelo em atualização para utilização de word embeddings com LSTM, buscando melhoria na performance do modelo preditivo. Arquivos novos no diretório nnmodel.

Embeddings utilizados de: http://nilc.icmc.usp.br/nilc/index.php/repositorio-de-word-embeddings-do-nilc#