Ficha da solução · Model Card
Ro-DOU NER
SEGES/CGINF · Federal · Distrito Federal
Sobre a solução
Serviço de enriquecimento de publicações integrais do Diário Oficial da União com entidades (pessoas, organizações, locais, processos, CPF/CNPJ, datas, valores e referências legais). Não se confunde com o Ro-DOU já catalogado: aquele faz clipping e alertas a partir de palavras-chave; este lê o texto completo (INLABS, somente leitura), extrai entidades por regras e, de forma opcional, por NER (GLiNER), e guarda resultados versionados para consulta por API. O repositório descreve um MVP, com qualidade no corpus real ainda a avaliar.
Como funciona
Lê a tabela INLABS em modo somente leitura, normaliza o HTML e aplica regras (processos, CPF/CNPJ, datas, valores, referências legais). No modo híbrido, GLiNER local acrescenta pessoas, organizações e locais; as regras têm prioridade. Resultados versionados, API de leitura e gatilho Airflow.
Ficha técnica
- Origem
- Governamental (7.1.A)
- Tecnologia de IA
- Análise de texto / linguagem (NLP)
- Tipo
- Aplicação
- Em uso desde
- 2026
- Licença
- AGPL-3.0
- IA generativa
- Não
- Frameworks
- Python · FastAPI · GLiNER · PostgreSQL · OpenSearch · Apache Airflow · Docker
- Tags
- NER · GLiNER · Diário Oficial · INLABS · extração de entidades · NLP · on-premise
Impacto
- Resultado / impacto
- Permite consultar o DOU por entidades estruturadas, em complemento ao clipping por palavras-chave. Ainda não há avaliação pública em corpus real anotado nem evidência de implantação em produção. Extrai nomes e identificadores de publicações públicas, o que continua sendo tratamento de dados pessoais.
- Impacto social / ético
- Permite consultar o DOU por entidades estruturadas, em complemento ao clipping por palavras-chave. Ainda não há avaliação pública em corpus real anotado nem evidência de implantação em produção. Extrai nomes e identificadores de publicações públicas, o que continua sendo tratamento de dados pessoais.
- Grupos afetados
- servidores e unidades que acompanham o DOU; pessoas e organizações cujos nomes ou identificadores sejam extraídos
Soberania e dados
- Maturidade
- Protótipo
- Soberania
- Brasil — soberano
- Hospedagem da inferência
- Brasil — soberano
- Transferência internacional
- Não
- Certificação
- A confirmar.
Governança e supervisão
- Supervisão humana
- Revisão amostral
- Descrição da supervisão
- Revisão humana recomendada antes de usar as entidades em outros sistemas, sobretudo no modo híbrido, cuja qualidade no corpus real ainda não foi avaliada. A ferramenta é apoio, não ato jurídico.
- Responsável LGPD
- A confirmar.
Nível de risco: Limitado
- Avaliação de viés
- Não avaliado no corpus real; o benchmark de demonstração é sintético.
- Robustez
- Testes e avaliação por span exato; o próprio registro alerta que o benchmark sintético não aprova o modelo para produção.
- Explicabilidade
- Parcial — menções com posições no texto, extrator usado (regras ou GLiNER) e configuração auditável.
- Canal de reclamação
- https://github.com/gestaogovbr/ro-dou-ner/issues
Você também pode consultar
Dados públicos (guia de prontidão)
- Diário Oficial da União — DOU / INLABS — Saber o que foi publicado oficialmente, localizar atos por órgão, assunto ou janela temporal, e alimentar RAG documental sobre atos federais.
- ANM — SIGMINE e dados abertos da mineração (processos minerários, CFEM) — Mapear pressão minerária sobre terras indígenas e UCs; arrecadação de royalties (CFEM) por município.
- ANP — Levantamento de Preços de Combustíveis e dados abertos — Acompanhar preços de combustíveis por região, estado, município e revenda; construir séries semanais; comparar margens entre distribuição e revenda. É uma das séries mais consumidas do dado público brasileiro.
- Anuário Brasileiro de Segurança Pública — FBSP — É a série de referência sobre violência no Brasil, com vinte edições, e cobre recortes que a estatística oficial demora a consolidar. Reúne em um documento só o que está disperso entre secretarias estaduais de segurança pública e polícias, com nota metodológica declarada. A planilha entrega as tabelas em formato tratável, o que é incomum em publicação desse tipo — a maior parte dos anuários do gênero sai só em PDF.
- CCEE — Dados CCEE (mercado de energia elétrica) — Séries de PLD, penalidades de lastro de energia de reserva, fator de alavancagem, contabilização e liquidação do mercado de curto prazo.