Abstract
Municipal meeting minutes are official documents of local governance that exhibit heterogeneous formats and writing styles. Effective information retrieval (IR) requires identifying metadata such as meeting number, date, location, participants, and start/end times, elements that are rarely standardized or easily extracted automatically. Existing named entity recognition (NER) models are ill-suited to this task, as they are not adapted to such domain-specific categories. In this paper, we propose a two-stage pipeline for metadata extraction from municipal minutes. First, a question-answering (QA) model identifies the opening and closing text segments containing metadata. Transformer-based models (BERTimbau and XLM-RoBERTa with and without a CRF layer) are then applied for fine-grained entity extraction, with deslexicalization explored as an additional modeling strategy. We benchmark the pipeline against open and closed-weight LLMs (Phi and Gemini), considering performance, inference cost, and carbon footprint. Our results demonstrate strong in-domain performance, outperforming the evaluated LLMs. Differences observed in cross-municipality evaluation highlight the linguistic diversity and structural variation across municipal records, underscoring the challenges of generalization in this domain and motivating future research in metadata extraction from municipal minutes. © The Author(s), under exclusive license to Springer Nature Switzerland AG 2026.

Abstract
City councils play a crucial role in local governance, directly influencing citizens’ daily lives through decisions made during municipal meetings. These deliberations are formally documented in meeting minutes, which serve as official records of discussions, decisions, and voting outcomes. Despite their importance, municipal meeting records have received little attention in Information Retrieval (IR) and Natural Language Processing (NLP), largely due to the lack of annotated datasets, which ultimately limit the development of computational models. To address this gap, we introduce CitiLink-Minutes, a multilayer dataset of 120 European Portuguese municipal meeting minutes from six municipalities. Unlike prior annotated datasets of parliamentary or video records, CitiLink-Minutes provides multilayer annotations and structured linkage of official written minutes. The dataset contains over one million tokens, with all personal identifiers de-identified. Each minute was manually annotated by two trained annotators and curated by an experienced linguist across four complementary dimensions: (1) personal information, (2) metadata, (3) subjects of discussion, and (4) voting outcomes, totaling over 38,000 individual annotations. Released under FAIR principles and accompanied by baseline results on metadata extraction, topic classification, and vote labeling, CitiLink-Minutes demonstrates its potential for downstream NLP and IR tasks, while promoting transparent access to municipal decisions.

Abstract
As redações são instrumentos avaliativos muito importantes para os estudantes brasileiros. Mesmo que seja assumido que a subjetividade esteja presente em todo e qualquer texto, espera-se que as correções dessas redações sejam feitas com o mínimo de subjetividade possível. Entretanto, a partir da análise de uma amostra de correções de redação, percebemos um alto grau de subjetividade nesses textos. Baseados nessa pré-análise, feita de forma manual, levantamos a hipótese de que o gênero "correção de redação" é mais subjetivo do que se esperaria. Para corroborar essa hipótese, elaboramos uma lista de operadores linguísticos, marcadores de viés, dividida em quatro categorias: operadores argumentativos, operadores de pressuposição, operadores de modalidade e operadores de opinião e valoração. Essa lista foi aplicada, através de uma metodologia de detecção automática de linguagem enviesada, a um corpus de correções de redação. A partir disso, quantificamos os operadores de viés presentes nesses textos. Foram também analisados esses operadores de viés em dois outros corpora: de resumos acadêmicos e de resenhas de produtos publicadas em sites de vendas na internet. A ideia dessa análise foi compararmos a distribuição dessas marcas de viés nas correções de redação e em gêneros reconhecidamente menos subjetivos (resumos acadêmicos) e reconhecidamente mais subjetivos (resenhas). Para tal comparação, lançamos mão de uma ferramenta estatística muito utilizada na análise de comparação de dados, os boxplots. Os nossos resultados mostraram que a distribuição de operadores de viés linguístico nas correções de redação se aproxima mais da distribuição desses itens em resenhas do que em resumos acadêmicos. Isso corrobora nossa hipótese e indica que o grau de subjetividade das correções é alto, estando mais próximo do grau de subjetividade de um texto como as resenhas. Concluímos, portanto, que essas correções refletem pontos de vista do corretor, que se afastam dos critérios de correção, o que coloca dúvidas sobre a consideração desse gênero como um instrumento avaliador isento e justo.

Abstract

Abstract

Abstract