Captura de datos en expedientes judiciales

Abstract

Este documento presenta el proyecto de grado “Captura de datos en expedientes judiciales” desarrollado en el Instituto de Computación de la Facultad de Ingeniería de la Universidad de la República. Dicho trabajo se enmarca en el proyecto AJPROJUMI llevado a cabo conjuntamente por el Poder Judicial y la UdelaR con el financiamiento de la Unión Europea, cuyo objetivo principal es preservar los expedientes provenientes de la Justicia Militar en los años de gobierno dictatorial. El proyecto propone el estudio y relevamiento de las herramientas de Reconocimiento Óptico de caracteres (OCR) disponibles hoy en día, utilizadas para la extracción de texto a partir de archivos de imágenes. Dicho estudio se realizó a partir de un subconjunto de los expedientes, proporcionados por el Poder Judicial. Por otra parte se realizó un estudio de herramientas para el pre procesamiento de imágenes, factor que resultó fundamental para obtener mejores resultados al momento de aplicar la herramienta OCR seleccionada. Luego de tener la representación en texto de los expedientes se realizó el procesamiento de estos para encontrar nombres de personas y obtener información relevante a partir ciertas palabras claves utilizadas en las búsquedas proporcionadas al usuario. Como siguiente paso se utiliza una aplicación que procesa de forma automática esa información y carga una base de datos la cual será accedida a través de una aplicación web también desarrollada para este proyecto. Dicha aplicación web permite examinar los datos cargados a través del ingreso de nombres de personas hallando aproximaciones de éstos con cierto grado de error, además de permitir el acceso a las imágenes de los expedientes que contienen dichos nombres. En el informe se documentan las pruebas realizadas para la elección de las herramientas de OCR y de pre procesamiento de imágenes. También se documentan los cambios realizados a la herramienta de procesamiento de lenguaje natural y el diseño de la solución presentada en la aplicación web para búsquedas en los expedientes judiciales. El trabajo se enmarca dentro de la necesidad de contribuir a la preservación de los documentos en papel de forma de poseer un acceso electrónico a los expedientes de la dictadura y realizar búsquedas sobre ellos con una mayor rapidez evitando así realizarlo de forma manual y menos práctica.