Detecção de discurso de ódio uma abordagem baseada em aprendizado profundo

• Autor(a) principal: Daroz, Thalessa Hungerbühler
• Data de Publicação: 2024
• Outros Autores: Cunha, Luan Pereira
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da Universidade Federal Fluminense (RIUFF)
• Texto Completo: https://app.uff.br/riuff/handle/1/33679
• topic: Discurso de ódio; Aprendizado profundo; Twiter; Mídia social; Hate speech; Deep Learning; Twitter

As mídias sociais constituem um espaço aberto, não apresentam barreiras ao seu acesso. Tornou-se uma forma dos indivíduos expressarem raiva, medo, felicidade, ódio, esperança, amor e tristeza sem se sentirem constrangidos. Um desses fenômenos negativos observados é a propagação do discurso de ódio online (cyber hate). Assim, este trabalho visa detectar discursos de ódio/ofensivo na língua portuguesa. Para atingir esse objetivo, foram analisadas diferentes configurações, hiperparâmetros e técnicas de Aprendizado Profundo. Construímos uma base de dados a partir de tuítes (pequenas postagens) coletados da plataforma Twitter. Depois tratamos a base e a utilizamos como entrada nos modelos de Aprendizado Profundo CNN, LSTM e Bi-LSTM. Também submetemos a base bruta e tratada aos baselines Naive Bayes e SNN. Como contribuição, foram produzidas três bases de dados no idioma Português-BR, e os seguintes dicionários, também em Português: um de termos ofensivos, um de termos obscenos e um de termos informais utilizados na internet, definimos e validamos o pipeline para identificação do discurso de ódio nos modelos estudados para as bases desenvolvidas. Além disso, a pesquisa evidenciou que independente dos classificadores selecionados (Bi-LSTM, CNN e LTSM) o desempenho obtido foi praticamente o mesmo para as bases de dados avaliadas, significando que não se faz necessário um intenso pré-processamento. Deve-se ressaltar que todos os recursos estão disponíveis no GitHub sob demanda em https://github.com/LuanPCunha/TCC