Acceso usuarios
Denis Cedeno Moreno, Miguel Vargas Lombardo, Nila Navarro, Alan Delgado, José Chirú
Muchas veces los usuarios de la red social X expresan a través de sus tweets un lenguaje ofensivo. Esto se conoce como discurso de odio. Las mujeres sufren con frecuencia lenguaje ofensivo en redes sociales. Misoginia es definida como miedo, odio o desprecio hacia las mujeres y es un problema difícil que la sociedad actual enfrenta. Este articulo describe una arquitectura integral combinando técnicas de aprendizaje de maquina (ML), aprendizaje profundo (DL) y procesamiento de lenguaje natural (NLP) para generar modelos que puedan categorizar automáticamente tweets de tipo misógino en un conjunto de datos de Centro América. Utilizamos algoritmos de K vecinos más cercanos (Knn), Bosques aleatorios (RF), Regresión Logística (RL) y una Redes Neuronales Recurrentes (RNN). Se aplicaron métricas para medir la precisión de los modelos creados. Los resultados preliminares indican que los de ML generalmente superan a los otros.
The Many times, users of the social network X express offensive language through their tweets. This phenomenon is known as hate speech, which can occur in many ways. Women frequently experience harassment or offensive language in these comment spaces. Misogyny is defined as fear, hatred or contempt for women and that is a difficult problem that today’s society faces. This article describes a comprehensive architecture combining machine learning (ML), deep learning (DL) and natural language processing (NLP) techniques to generate models that can automatically categorize misogynistic tweets in a Central American data set.
We use algorithms of K nearest neighbors (Knn), Random Forests (RF), Logistic Regression (RL) and a Recurrent Neural Networks (RNN). Metrics were applied to measure the precision of the models created, obtaining good results.
