Aplicação do processo de descoberta de conhecimento em dados do poder judiciário do estado do Rio Grande do Sul

Detalhes bibliográficos
Ano de defesa: 2003
Autor(a) principal: Schneider, Luís Felipe
Orientador(a): Alvares, Luis Otavio Campos
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Palavras-chave em Inglês:
Link de acesso: http://hdl.handle.net/10183/8968
Resumo: Para explorar as relações existentes entre os dados abriu-se espaço para a procura de conhecimento e informações úteis não conhecidas, a partir de grandes conjuntos de dados armazenados. A este campo deu-se o nome de Descoberta de Conhecimento em Base de Dados (DCBD), o qual foi formalizado em 1989. O DCBD é composto por um processo de etapas ou fases, de natureza iterativa e interativa. Este trabalho baseou-se na metodologia CRISP-DM . Independente da metodologia empregada, este processo tem uma fase que pode ser considerada o núcleo da DCBD, a “mineração de dados” (ou modelagem conforme CRISP-DM), a qual está associado o conceito “classe de tipo de problema”, bem como as técnicas e algoritmos que podem ser empregados em uma aplicação de DCBD. Destacaremos as classes associação e agrupamento, as técnicas associadas a estas classes, e os algoritmos Apriori e K-médias. Toda esta contextualização estará compreendida na ferramenta de mineração de dados escolhida, Weka (Waikato Environment for Knowledge Analysis). O plano de pesquisa está centrado em aplicar o processo de DCBD no Poder Judiciário no que se refere a sua atividade fim, julgamentos de processos, procurando por descobertas a partir da influência da classificação processual em relação à incidência de processos, ao tempo de tramitação, aos tipos de sentenças proferidas e a presença da audiência. Também, será explorada a procura por perfis de réus, nos processos criminais, segundo características como sexo, estado civil, grau de instrução, profissão e raça. O trabalho apresenta nos capítulos 2 e 3 o embasamento teórico de DCBC, detalhando a metodologia CRISP-DM. No capítulo 4 explora-se toda a aplicação realizada nos dados do Poder Judiciário e por fim, no capítulo 5, são apresentadas as conclusões.
id URGS_653b606ce65f99e1956392d554d826fb
oai_identifier_str oai:www.lume.ufrgs.br:10183/8968
network_acronym_str URGS
network_name_str Biblioteca Digital de Teses e Dissertações da UFRGS
repository_id_str
spelling Schneider, Luís FelipeAlvares, Luis Otavio Campos2007-06-06T19:20:36Z2003http://hdl.handle.net/10183/8968000589810Para explorar as relações existentes entre os dados abriu-se espaço para a procura de conhecimento e informações úteis não conhecidas, a partir de grandes conjuntos de dados armazenados. A este campo deu-se o nome de Descoberta de Conhecimento em Base de Dados (DCBD), o qual foi formalizado em 1989. O DCBD é composto por um processo de etapas ou fases, de natureza iterativa e interativa. Este trabalho baseou-se na metodologia CRISP-DM . Independente da metodologia empregada, este processo tem uma fase que pode ser considerada o núcleo da DCBD, a “mineração de dados” (ou modelagem conforme CRISP-DM), a qual está associado o conceito “classe de tipo de problema”, bem como as técnicas e algoritmos que podem ser empregados em uma aplicação de DCBD. Destacaremos as classes associação e agrupamento, as técnicas associadas a estas classes, e os algoritmos Apriori e K-médias. Toda esta contextualização estará compreendida na ferramenta de mineração de dados escolhida, Weka (Waikato Environment for Knowledge Analysis). O plano de pesquisa está centrado em aplicar o processo de DCBD no Poder Judiciário no que se refere a sua atividade fim, julgamentos de processos, procurando por descobertas a partir da influência da classificação processual em relação à incidência de processos, ao tempo de tramitação, aos tipos de sentenças proferidas e a presença da audiência. Também, será explorada a procura por perfis de réus, nos processos criminais, segundo características como sexo, estado civil, grau de instrução, profissão e raça. O trabalho apresenta nos capítulos 2 e 3 o embasamento teórico de DCBC, detalhando a metodologia CRISP-DM. No capítulo 4 explora-se toda a aplicação realizada nos dados do Poder Judiciário e por fim, no capítulo 5, são apresentadas as conclusões.With the purpose of exploring existing connections among data, a space has been created for the search of Knowledge an useful unknown information based on large sets of stored data. This field was dubbed Knowledge Discovery in Databases (KDD) and it was formalized in 1989. The KDD consists of a process made up of iterative and interactive stages or phases. This work was based on the CRISP-DM methodology. Regardless of the methodology used, this process features a phase that may be considered as the nucleus of KDD, the “data mining” (or modeling according to CRISP-DM) which is associated with the task, as well as the techniques and algorithms that may be employed in an application of KDD. What will be highlighted in this study is affinity grouping and clustering, techniques associated with these tasks and Apriori and K-means algorithms. All this contextualization will be embodied in the selected data mining tool, Weka (Waikato Environment for Knowledge Analysis). The research plan focuses on the application of the KDD process in the Judiciary Power regarding its related activity, court proceedings, seeking findings based on the influence of the procedural classification concerning the incidence of proceedings, the proceduring time, the kind of sentences pronounced and hearing attendance. Also, the search for defendants’ profiles in criminal proceedings such as sex, marital status, education background, professional and race. In chapters 2 and 3, the study presents the theoretical grounds of KDD, explaining the CRISP-DM methodology. Chapter 4 explores all the application preformed in the data of the Judiciary Power, and lastly, in Chapter conclusions are drawnapplication/pdfporBanco : DadosDescoberta : ConhecimentoMineracao : DadosArmazem : DadosInformática jurídicaKnowledge Discovery in Databases (KDD)Data miningClusteringAffinity groupingAprioriK-meansWekaJudiciary powerProcedural ClassificationAplicação do processo de descoberta de conhecimento em dados do poder judiciário do estado do Rio Grande do SulApplying the Knowledge Discovery in Database (KDD) Process to Data of the Judiciary Power of Rio Grande do Sul info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal do Rio Grande do SulInstituto de InformáticaPrograma de Pós-Graduação em ComputaçãoPorto Alegre, BR-RS2003mestradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSORIGINAL000589810.pdf000589810.pdfTexto completoapplication/pdf493104http://www.lume.ufrgs.br/bitstream/10183/8968/1/000589810.pdf3c08525bc618f01c67edf4bd053187d0MD51TEXT000589810.pdf.txt000589810.pdf.txtExtracted Texttext/plain185792http://www.lume.ufrgs.br/bitstream/10183/8968/2/000589810.pdf.txt1997b50a66f6f139a9e8d6aeca1afbfaMD52THUMBNAIL000589810.pdf.jpg000589810.pdf.jpgGenerated Thumbnailimage/jpeg1073http://www.lume.ufrgs.br/bitstream/10183/8968/3/000589810.pdf.jpgabd13dcd8d359419d1a6db5239472ad0MD5310183/89682018-10-17 08:34:20.788oai:www.lume.ufrgs.br:10183/8968Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532018-10-17T11:34:20Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Aplicação do processo de descoberta de conhecimento em dados do poder judiciário do estado do Rio Grande do Sul
dc.title.alternative.en.fl_str_mv Applying the Knowledge Discovery in Database (KDD) Process to Data of the Judiciary Power of Rio Grande do Sul
title Aplicação do processo de descoberta de conhecimento em dados do poder judiciário do estado do Rio Grande do Sul
spellingShingle Aplicação do processo de descoberta de conhecimento em dados do poder judiciário do estado do Rio Grande do Sul
Schneider, Luís Felipe
Banco : Dados
Descoberta : Conhecimento
Mineracao : Dados
Armazem : Dados
Informática jurídica
Knowledge Discovery in Databases (KDD)
Data mining
Clustering
Affinity grouping
Apriori
K-means
Weka
Judiciary power
Procedural Classification
title_short Aplicação do processo de descoberta de conhecimento em dados do poder judiciário do estado do Rio Grande do Sul
title_full Aplicação do processo de descoberta de conhecimento em dados do poder judiciário do estado do Rio Grande do Sul
title_fullStr Aplicação do processo de descoberta de conhecimento em dados do poder judiciário do estado do Rio Grande do Sul
title_full_unstemmed Aplicação do processo de descoberta de conhecimento em dados do poder judiciário do estado do Rio Grande do Sul
title_sort Aplicação do processo de descoberta de conhecimento em dados do poder judiciário do estado do Rio Grande do Sul
author Schneider, Luís Felipe
author_facet Schneider, Luís Felipe
author_role author
dc.contributor.author.fl_str_mv Schneider, Luís Felipe
dc.contributor.advisor1.fl_str_mv Alvares, Luis Otavio Campos
contributor_str_mv Alvares, Luis Otavio Campos
dc.subject.por.fl_str_mv Banco : Dados
Descoberta : Conhecimento
Mineracao : Dados
Armazem : Dados
Informática jurídica
topic Banco : Dados
Descoberta : Conhecimento
Mineracao : Dados
Armazem : Dados
Informática jurídica
Knowledge Discovery in Databases (KDD)
Data mining
Clustering
Affinity grouping
Apriori
K-means
Weka
Judiciary power
Procedural Classification
dc.subject.eng.fl_str_mv Knowledge Discovery in Databases (KDD)
Data mining
Clustering
Affinity grouping
Apriori
K-means
Weka
Judiciary power
Procedural Classification
description Para explorar as relações existentes entre os dados abriu-se espaço para a procura de conhecimento e informações úteis não conhecidas, a partir de grandes conjuntos de dados armazenados. A este campo deu-se o nome de Descoberta de Conhecimento em Base de Dados (DCBD), o qual foi formalizado em 1989. O DCBD é composto por um processo de etapas ou fases, de natureza iterativa e interativa. Este trabalho baseou-se na metodologia CRISP-DM . Independente da metodologia empregada, este processo tem uma fase que pode ser considerada o núcleo da DCBD, a “mineração de dados” (ou modelagem conforme CRISP-DM), a qual está associado o conceito “classe de tipo de problema”, bem como as técnicas e algoritmos que podem ser empregados em uma aplicação de DCBD. Destacaremos as classes associação e agrupamento, as técnicas associadas a estas classes, e os algoritmos Apriori e K-médias. Toda esta contextualização estará compreendida na ferramenta de mineração de dados escolhida, Weka (Waikato Environment for Knowledge Analysis). O plano de pesquisa está centrado em aplicar o processo de DCBD no Poder Judiciário no que se refere a sua atividade fim, julgamentos de processos, procurando por descobertas a partir da influência da classificação processual em relação à incidência de processos, ao tempo de tramitação, aos tipos de sentenças proferidas e a presença da audiência. Também, será explorada a procura por perfis de réus, nos processos criminais, segundo características como sexo, estado civil, grau de instrução, profissão e raça. O trabalho apresenta nos capítulos 2 e 3 o embasamento teórico de DCBC, detalhando a metodologia CRISP-DM. No capítulo 4 explora-se toda a aplicação realizada nos dados do Poder Judiciário e por fim, no capítulo 5, são apresentadas as conclusões.
publishDate 2003
dc.date.issued.fl_str_mv 2003
dc.date.accessioned.fl_str_mv 2007-06-06T19:20:36Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/8968
dc.identifier.nrb.pt_BR.fl_str_mv 000589810
url http://hdl.handle.net/10183/8968
identifier_str_mv 000589810
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Biblioteca Digital de Teses e Dissertações da UFRGS
collection Biblioteca Digital de Teses e Dissertações da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/8968/1/000589810.pdf
http://www.lume.ufrgs.br/bitstream/10183/8968/2/000589810.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/8968/3/000589810.pdf.jpg
bitstream.checksum.fl_str_mv 3c08525bc618f01c67edf4bd053187d0
1997b50a66f6f139a9e8d6aeca1afbfa
abd13dcd8d359419d1a6db5239472ad0
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv lume@ufrgs.br||lume@ufrgs.br
_version_ 1797064894549327872