Aplicação de meta-atributos para detecção de discurso de ódio

• Autor(a) principal: Sponchiado, Artur Constanzi
• Data de Publicação: 2019
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UFFS (Repositório Digital da UFFS)
• Texto Completo: https://rd.uffs.edu.br/handle/prefix/3365
• topic: Processamento de linguagem natural; Redes sociais; Processamento de dados; Aprendizado computacional

Com o advento das redes sociais online, espaços de interação entre usuários estão surgindo. Tais espaços podem ser desde comentários em um site de vídeos, até a seção de discussão em um site de notícias, por exemplo. Nesses ambientes, pessoas podem conversar, expor suas opiniões, debater ideias, etc. Todavia, existem grupos se formando que, aproveitando-se do anonimato, propagam discursos de ódio, disseminando ideias xenofóbicas, racistas, entre outras. Indivíduos que compartilham mensagens deste tipo tendem a disfarçar suas palavras, com caracteres especiais ou até mesmo o sarcasmo, tornando assim uma tarefa difícil para algoritmos básicos bloquearem tal conteúdo. Assim, faz-se necessário um meio para detectar estes discursos de forma automática, visto que devido a quantidade de mensagens publicadas diariamente ser muito grande, tal tarefa torna-se inviável. Utilizando abordagens de pré processamento de dados e extração de atributos e meta-atributos, este trabalho obtém resultados promissores na área de detecção de discursos de ódio em textos. O método proposto consiste na stemização e remoção de stopwords na parte do pré-processamento dos dados e na extração de meta-atributos utilizando o algoritmo KNN. Utilizando validação cruzada de 10 vezes e o SVM como classificador, o método proposto obtém melhorias de até 9.67% em relação ao baseline apresentado.