File size: 1,137 Bytes
bb28e3e 9a2ae73 bb28e3e 9a2ae73 23d3b20 9a2ae73 23d3b20 9a2ae73 23d3b20 9a2ae73 23d3b20 9a2ae73 23d3b20 ae5250c ca8a02e 9a2ae73 9ddeda5 9a2ae73 9ddeda5 9a2ae73 a36aa59 9a2ae73 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 |
---
license: cc-by-nc-sa-4.0
language:
- pt
library_name: spacy
pipeline_tag: feature-extraction
tags:
- legal
---
# Modelo spaCy NER para Identificação de Fatos e Pedidos em Textos Jurídicos
Este repositório contém um modelo de **Reconhecimento de Entidades Nomeadas (NER)** desenvolvido com a biblioteca **spaCy**, especialmente treinado para identificar **fatos** e **pedidos** em textos jurídicos.
Desenvolvido pela **Diretoria de Inteligência Artificial, Ciência de Dados e Estatística do Tribunal de Justiça do Estado de Goiás**.
## Como Usar
### 1. Instalação
Para instalar todas as dependências necessárias, execute o seguinte comando:
```bash
pip install spacy
```
## 2. Carregamento do Modelo:
```Python
import spacy
nlp = spacy.load("model_fato_pedido")
```
## 3. Processamento de Texto:
```Python
texto = "Posta assim a questão e nos termos do art. 226, § 6º da Constituição Federal, cuja redação decorrente da Emenda Constitucional 66/2010 dispõe sobre a dissolubilidade do casamento civil pelo divórcio"
doc = nlp(texto)
for ent in doc.ents:
print(f"{ent.text} -> {ent.label_}")
``` |