Este trabalho apresenta um estudo que começa na mineração, preparação e processamento de dados até o treinamento e verificação estatística dos resultados. Sendo que, o objetivo do trabalho é apresentar uma alternativa à forma como as decisões monocráticas do Supremo Tribunal Federal são classificadas em assuntos, de forma a automatizar em partes este trabalho que hoje é realizado de forma manual. Para isso, foram utilizadas três arquiteturas distintas, sendo duas redes neurais CNN e o BERT. Após o treinamento, foram realizados dois experimentos, um gerando 50 resultados distintos composto pela acurácia, precisão, sensibilidade e F1-Score para cada um dos modelos. E outro experimento utilizando todos os dados disponibilizados para teste, que gerou uma matriz binária onde é representado os acertos e erros para cada uma das decisões em cada um dos modelos. Por fim, foram realizado quatro testes estatísticos que permitiram dizer qual dos modelos apresentou a melhor performance e como estes resultados se comparam a outros trabalhos correlatos.
