Agresividad y odio en usuarios de Twitter, identificación mediante técnicas de procesamiento de lenguaje natural social.
Abstract:
Las redes sociales se han convertido en un lugar donde las personas son capaces de expresarse y opinar libremente de diversos temas, lo que puede ocasionar que se desarrollen interacciones negativas que inciten comportamientos de agresividad y odio. Para abordar esta problemática existen diferentes métodos y técnicas de Procesamiento de Lenguaje Natural (PLN). El proyecto a continuación tiene como objetivo detectar la agresividad y odio analizando mensajes en español de la red social Twitter mediante el modelo Transformer pre entrenado Pysentimiento, donde se empleó una metodología cuasi experimental. Se aplicaron técnicas para la extracción y procesamiento de los datos, garantizando así la calidad de la información que ingresa al modelo. Se desarrolló una interfaz web, la cual nos permitió usar al modelo para presentar la información obtenida de una manera visual mediante el uso de tablas y gráficos, facilitando una evaluación más clara y precisa en la tarea de detectar contenido de agresividad y odio en los mensajes de texto. Los resultados obtenidos demostraron que es posible detectar agresividad y odio en mensajes de texto en español mediante el uso de un modelo Transformer pre entrenado y utilizarlos para crear sistemas o aplicaciones que detecten y cuantifiquen estos síntomas en mensajes escritos por las personas.
Año de publicación:
2023
Keywords:
- AGGRESSIVENESS AND HATRED
- TRANSFORMER MODELS
- MODELOS TRANSFORMER
- Procesamiento de lenguaje natural
- Natural Language processing
- PySentimiento
- PySentimiento
- AGRESIVIDAD Y ODIO
Fuente:

Tipo de documento:
Bachelor Thesis
Estado:
Acceso abierto
Áreas de conocimiento:
- Redes sociales
- Aprendizaje automático
Áreas temáticas:
- Programación informática, programas, datos, seguridad
- Interacción social
- Lingüística