Text mining como técnica para el estudio de la jurisprudencia sobre la calificación de los concursos de acreedores

Nos encontramos ante la transformación digital de nuestra sociedad, no solo en relación con nuestra forma de vivir y relacionarnos, si no también con nuestra forma de trabajar. Ello implica que un jurista del siglo XXI debe conocer y hacer uso las nuevas tecnologías. Una de las principales aplicaciones Legal Tech es el análisis predictivo de casos, esto es, el uso del big data en el ámbito jurídico, con la finalidad de extraer tendencias y patrones de conducta de los órganos legislativos y judiciales. Por tanto, dada la ventaja competitiva que lo anterior puede tener para los grandes despachos, el interés que puede suscitar para las partes en el proceso o, incluso, para terceros interesados en la financiación de procesos judiciales, mediante el uso de text mining, el presente trabajo pretende exponer la elaboración de un modelo de lectura y clasificación de sentencias de calificación de concursos de acreedores. Si los concursos pueden ser calificados como culpables o fortuitos, el modelo separa las sentencias según el tipo de calificación para posteriormente dividir cada una de las sentencias en antecedentes de hecho y fundamentos jurídicos. Así, no solo es el modelo capaz de extraer información de interés como los datos identificativos de las sentencias o el fallo de los jueces, sino que también estudia aquellos patrones o cuestiones relevantes de cada sección de las sentencias que pueden llevar a los jueces a calificar el concurso como culpable o fortuito. Asimismo, se presenta un modelo de clasificación que, teniendo en cuenta los n-grams de los fundamentos jurídicos, predice si el concurso será calificado como fortuito y culpable.

We are currently facing the digital transformation of our society, not only in relation to the way we live and relate to each other, but also to the way we work. This means that a 21st century jurist must be familiar with and make use of new technologies. One of the main Legal Tech applications is the predictive analysis of cases, that is, the use of big data in the legal field with the aim of extracting trends and patterns of behavior of legislative and judicial bodies. Given the competitive advantage that this may have for large law firms, the interest it may arouse for the parties in the process or even for third parties interested in financing legal proceedings, the aim of this paper is to present a model created by means of text mining techniques which is able to read and classify court judgments dealing with the study of the degree of fault in relation to the debtors’ state of insolvency. If insolvency proceedings can be classified as guilty or without fault, the model separates the judgements according to the type of verdict and then parses each judgement into syllabus and opinion of the judge or court. By doing so, not only is the model capable of extracting information of interest such as the judges' rulings, but it also studies the relevant patterns in each section of the judgements that may lead judges to classify the bankruptcy as guilty or without fault. Moreover, a classification model is created which, taking into account the n-grams of the court’s opinion, predicts whether the insolvency proceeding will be classified as guilty or without fault.