Evaluación de métodos para clasificación y búsqueda de textos jurídicos

Abstract

El Consejo de Defensa del Estado (CDE) es un servicio público que tiene como misión asesorar y defender los intereses del Estado de Chile y sus organismos. Cada caso en el que el CDE participa se registra en un sistema de información, y los abogados deben buscar demandas similares en este sistema, lo que puede ser laborioso debido a clasificaciones erróneas y la poca frecuencia de ocurrencia de algunas demandas. Con el creciente número de casos y sin un aumento en el número de abogados, es vital mejorar los métodos de clasificación y búsqueda de documentos. Este trabajo presenta la evaluación de diversos métodos de clasificación, desde los tradicionales hasta los basados en aprendizaje automático y arquitecturas Transformer, con el fin de clasificar eficazmente los documentos de demanda. Además, se evaluaron distintos modelos, incluyendo modelos vectoriales y redes neuronales, para identificar aquellos que mejoran la búsqueda de demandas similares en una base de datos. Para alcanzar los objetivos, primero se revisó la literatura existente sobre clasificación y búsqueda de documentos legales. Luego, se recolectaron los documentos necesarios para probar los modelos. También se abordaron problemas adicionales, como la extracción de texto de documentos que no siempre están bien digitalizados debido a limitaciones técnicas o la antigüedad de los documentos. Posteriormente, se realizó la codificación y preprocesamiento de los documentos, y se desarrollaron algoritmos para entrenar y probar los modelos de clasificación y búsqueda. Como resultado de la evaluación de los modelos de clasificación, se identificó que BETO fue el modelo con el que se obtuvieron excelentes resultados, aunque se detectaron algunas clasificaciones incorrectas en casos de documentos muy similares a una demanda. En cuanto a los modelos de búsqueda, se encontraron dos modelos con resultados que superan a los de los demás modelos y muy similares entre sí, sin diferencias categóricas que permitieran declarar uno como mejor que el otro. Utilizando estos resultados, se creó un producto mínimo viable que permite extraer texto de documentos digitalizados, clasificar documentos en una base de datos y realizar búsquedas de documentos similares a un texto proporcionado.