이 논문은 브라질 최고법원의 디지털화된 법적 문서를 기반으로 구축된 새로운 데이터셋인 VICTOR에 대해 설명한다. 이 데이터셋은 45,000건 이상의 항소 사건을 포함하며, 약 692,000건의 문서—총 약 460만 페이지—로 구성되어 있다. 데이터셋은 레이블이 부여된 텍스트 데이터를 포함하고 있으며, 문서 유형 분류와 주제 할당(다중 레이블 문제)이라는 두 가지 유형의 작업을 지원한다. 본 연구에서는 단어 집합 모델, 컨볼루션 신경망, 순환 신경망, 부스팅 알고리즘을 활용한 베이스라인 결과를 제시한다. 또한 소송의 순차적 특성을 활용하기 위해 선형 체인 조건부 확률 필드(Linear-chain Conditional Random Fields)를 실험하여, 문서 유형 분류 성능 향상이 가능함을 확인하였다. 마지막으로, 도메인 지식을 활용해 정보성이 낮은 문서 페이지를 사전에 제거하는 주제 분류 접근법과, 모든 문서 페이지를 사용하는 기존 방법을 비교하였다. 법원 전문가들의 예상과는 달리, 모든 이용 가능한 데이터를 활용하는 것이 더 우수한 성능을 보였다. 본 연구에서는 보다 우수한 모델과 기법 탐색을 촉진하기 위해 데이터셋을 크기와 내용이 다른 세 가지 버전으로 공개한다.