@inproceedings{soriano-etal-2026-fusao,
title = "Fus{\~a}o H{\'i}brida para Recupera{\c{c}}{\~a}o de Informa{\c{c}}{\~a}o Jur{\'i}dica Brasileira",
author = "Soriano, Fl{\'a}vio and
Evangelista, Guilherme and
Fran{\c{c}}a, Celso and
Pappa, Gisele and
Jr., Wagner Meira and
Gon{\c{c}}alves, Marcos",
editor = "Barbosa, Bryan Khelven da Silva and
Paes, Aline and
Felippo, Ariani Di",
booktitle = "Proceedings of the 17th {B}razilian Symposium in Information and Human Language Technology",
month = oct,
year = "2026",
address = "Cuiab{\'a}, Mato Grosso, Brazil",
publisher = "Association for Computational Linguistics",
url = "https://aclanthology.org/2026.stil-1.34/",
doi = "10.5753/stil.2026.26661",
pages = "420--432",
abstract = "A recupera{\c{c}}{\~a}o de informa{\c{c}}{\~a}o jur{\'i}dica brasileira envolve regimes heterog{\^e}neos de busca que exigem simultaneamente correspond{\^e}ncia lexical precisa e generaliza{\c{c}}{\~a}o sem{\^a}ntica. Embora a recupera{\c{c}}{\~a}o h{\'i}brida seja consolidada na recupera{\c{c}}{\~a}o de informa{\c{c}}{\~a}o geral, ainda n{\~a}o est{\'a} claro quando sinais lexicais e sem{\^a}nticos se complementam efetivamente em cole{\c{c}}{\~o}es jur{\'i}dicas brasileiras diversas. Investigamos essa quest{\~a}o no benchmark JU{\'A}, que abrange m{\'u}ltiplos cen{\'a}rios: jurisprud{\^e}ncia, atos normativos, recupera{\c{c}}{\~a}o legislativa e perguntas tribut{\'a}rias. Comparamos BM25, recuperadores densos da fam{\'i}lia Qwen3, variantes ajustadas ao dom{\'i}nio jur{\'i}dico, reranqueadores e fus{\~a}o h{\'i}brida via Reciprocal Rank Fusion (RRF). Nossa hip{\'o}tese {\'e} que a fus{\~a}o l{\'e}xico-densa oferece maior robustez ao combinar sinais complementares sem necessidade de calibra{\c{c}}{\~a}o direta de scores. Os resultados mostram que sistemas baseados em RRF alcan{\c{c}}am a melhor efetividade agregada: o modelo jur{\'i}dico ajustado de 4B lidera em NDCG@10 e MRR@10, enquanto o de 8B lidera em MAP@10 e Recall@10. Testes estat{\'i}sticos pareados indicam ganhos robustos do RRF sobre BM25 e parte dos modelos densos, embora n{\~a}o domine todos os reranqueadores individualmente. No geral, a fus{\~a}o h{\'i}brida l{\'e}xico-sem{\^a}ntica revela-se uma configura{\c{c}}{\~a}o particularmente robusta para busca jur{\'i}dica heterog{\^e}nea."
}<?xml version="1.0" encoding="UTF-8"?>
<modsCollection xmlns="http://www.loc.gov/mods/v3">
<mods ID="soriano-etal-2026-fusao">
<titleInfo>
<title>Fusão Híbrida para Recuperação de Informação Jurídica Brasileira</title>
</titleInfo>
<name type="personal">
<namePart type="given">Flávio</namePart>
<namePart type="family">Soriano</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Guilherme</namePart>
<namePart type="family">Evangelista</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Celso</namePart>
<namePart type="family">França</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Gisele</namePart>
<namePart type="family">Pappa</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Wagner</namePart>
<namePart type="given">Meira</namePart>
<namePart type="family">Jr.</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Marcos</namePart>
<namePart type="family">Gonçalves</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<originInfo>
<dateIssued>2026-10</dateIssued>
</originInfo>
<typeOfResource>text</typeOfResource>
<relatedItem type="host">
<titleInfo>
<title>Proceedings of the 17th Brazilian Symposium in Information and Human Language Technology</title>
</titleInfo>
<name type="personal">
<namePart type="given">Bryan</namePart>
<namePart type="given">Khelven</namePart>
<namePart type="given">da</namePart>
<namePart type="given">Silva</namePart>
<namePart type="family">Barbosa</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Aline</namePart>
<namePart type="family">Paes</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Ariani</namePart>
<namePart type="given">Di</namePart>
<namePart type="family">Felippo</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<originInfo>
<publisher>Association for Computational Linguistics</publisher>
<place>
<placeTerm type="text">Cuiabá, Mato Grosso, Brazil</placeTerm>
</place>
</originInfo>
<genre authority="marcgt">conference publication</genre>
</relatedItem>
<abstract>A recuperação de informação jurídica brasileira envolve regimes heterogêneos de busca que exigem simultaneamente correspondência lexical precisa e generalização semântica. Embora a recuperação híbrida seja consolidada na recuperação de informação geral, ainda não está claro quando sinais lexicais e semânticos se complementam efetivamente em coleções jurídicas brasileiras diversas. Investigamos essa questão no benchmark JUÁ, que abrange múltiplos cenários: jurisprudência, atos normativos, recuperação legislativa e perguntas tributárias. Comparamos BM25, recuperadores densos da família Qwen3, variantes ajustadas ao domínio jurídico, reranqueadores e fusão híbrida via Reciprocal Rank Fusion (RRF). Nossa hipótese é que a fusão léxico-densa oferece maior robustez ao combinar sinais complementares sem necessidade de calibração direta de scores. Os resultados mostram que sistemas baseados em RRF alcançam a melhor efetividade agregada: o modelo jurídico ajustado de 4B lidera em NDCG@10 e MRR@10, enquanto o de 8B lidera em MAP@10 e Recall@10. Testes estatísticos pareados indicam ganhos robustos do RRF sobre BM25 e parte dos modelos densos, embora não domine todos os reranqueadores individualmente. No geral, a fusão híbrida léxico-semântica revela-se uma configuração particularmente robusta para busca jurídica heterogênea.</abstract>
<identifier type="citekey">soriano-etal-2026-fusao</identifier>
<identifier type="doi">10.5753/stil.2026.26661</identifier>
<location>
<url>https://aclanthology.org/2026.stil-1.34/</url>
</location>
<part>
<date>2026-10</date>
<extent unit="page">
<start>420</start>
<end>432</end>
</extent>
</part>
</mods>
</modsCollection>
%0 Conference Proceedings
%T Fusão Híbrida para Recuperação de Informação Jurídica Brasileira
%A Soriano, Flávio
%A Evangelista, Guilherme
%A França, Celso
%A Pappa, Gisele
%A Jr., Wagner Meira
%A Gonçalves, Marcos
%Y Barbosa, Bryan Khelven da Silva
%Y Paes, Aline
%Y Felippo, Ariani Di
%S Proceedings of the 17th Brazilian Symposium in Information and Human Language Technology
%D 2026
%8 October
%I Association for Computational Linguistics
%C Cuiabá, Mato Grosso, Brazil
%F soriano-etal-2026-fusao
%X A recuperação de informação jurídica brasileira envolve regimes heterogêneos de busca que exigem simultaneamente correspondência lexical precisa e generalização semântica. Embora a recuperação híbrida seja consolidada na recuperação de informação geral, ainda não está claro quando sinais lexicais e semânticos se complementam efetivamente em coleções jurídicas brasileiras diversas. Investigamos essa questão no benchmark JUÁ, que abrange múltiplos cenários: jurisprudência, atos normativos, recuperação legislativa e perguntas tributárias. Comparamos BM25, recuperadores densos da família Qwen3, variantes ajustadas ao domínio jurídico, reranqueadores e fusão híbrida via Reciprocal Rank Fusion (RRF). Nossa hipótese é que a fusão léxico-densa oferece maior robustez ao combinar sinais complementares sem necessidade de calibração direta de scores. Os resultados mostram que sistemas baseados em RRF alcançam a melhor efetividade agregada: o modelo jurídico ajustado de 4B lidera em NDCG@10 e MRR@10, enquanto o de 8B lidera em MAP@10 e Recall@10. Testes estatísticos pareados indicam ganhos robustos do RRF sobre BM25 e parte dos modelos densos, embora não domine todos os reranqueadores individualmente. No geral, a fusão híbrida léxico-semântica revela-se uma configuração particularmente robusta para busca jurídica heterogênea.
%R 10.5753/stil.2026.26661
%U https://aclanthology.org/2026.stil-1.34/
%U https://doi.org/10.5753/stil.2026.26661
%P 420-432
Markdown (Informal)
[Fusão Híbrida para Recuperação de Informação Jurídica Brasileira](https://aclanthology.org/2026.stil-1.34/) (Soriano et al., STIL 2026)
ACL
- Flávio Soriano, Guilherme Evangelista, Celso França, Gisele Pappa, Wagner Meira Jr., and Marcos Gonçalves. 2026. Fusão Híbrida para Recuperação de Informação Jurídica Brasileira. In Proceedings of the 17th Brazilian Symposium in Information and Human Language Technology, pages 420–432, Cuiabá, Mato Grosso, Brazil. Association for Computational Linguistics.