Processamento de Linguagem Natural Aplicado à Identificação de Padrões Semânticos em Relatos de Mulheres Vítimas de Violência Doméstica e Familiar

• Sabrina S. Vasconcellos ^[1] ; Deborah Q. G. Foroni ^[1] ; Peterson A. Belan ^[1]
  1. [1] Universidade Nove de Julho

     Universidade Nove de Julho

     Brasil

     
• Localización: RISTI: Revista Ibérica de Sistemas e Tecnologias de Informação, ISSN-e 1646-9895, Nº. 60, 2025, págs. 74-95
• Idioma: portugués
• Títulos paralelos:
  • Natural Language Processing Applied to the Identification of Semantic Patterns in Reports of Women Victims of Domestic and Family Violence
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Domestic and family violence (DFV) against women remains a persistent and underreported problem. With the rise of social media, spontaneous victim reports have become valuable data sources, although their volume and complexity require automated analytical techniques. This study aims to identify emerging topics in unstructured reports from women victims of DFV published on YouTube, using Natural Language Processing (NLP), unsupervised machine learning, and topic modeling. The methodology included data collection via the YouTube API, text preprocessing, embedding generation, dimensionality reduction (PCA and UMAP), clustering (K-means and HDBSCAN), and topic extraction using BERTopic. The best performance was achieved with the UMAP + HDBSCAN combination without stopwords, revealing themes such as the cycle of violence, threats, and family support. The results highlight the feasibility of NLP and BERTopic for automated analysis and their potential to support public policy development and social research

  • português

    A violência doméstica e familiar (VDF) contra a mulher é um problema persistente e subnotificado. Com o avanço das mídias sociais, relatos espontâneos de vítimas tornaram-se fontes relevantes de dados, embora seu volume e complexidade exijam técnicas automatizadas de análise. Este estudo busca identificar tópicos emergentes em relatos não estruturados de mulheres vítimas de VDF publicados no YouTube, aplicando Processamento de Linguagem Natural (PLN), aprendizado de máquina não supervisionado e modelagem de tópicos. A metodologia incluiu coleta via API do YouTube, pré-processamento textual, geração de embeddings, redução de dimensionalidade (PCA e UMAP), clusterização (K-means e HDBSCAN) e extração de tópicos com BERTopic. O melhor desempenho foi obtido com a combinação UMAP + HDBSCAN sem stopwords, revelando temas como ciclo da violência, ameaças e apoio familiar. Os resultados evidenciam a viabilidade do PLN e do BERTopic para análise automatizada e apoio à formulação de políticas públicas e pesquisas sociais.

• Referencias bibliográficas
  • Acosta, D. F., Gomes, V. L. de O., De Oliveira, D. C., Gomes, G. C., & Da Fonseca, A. D. (2017). Aspectos éticos e legais no cuidado de...
  • Al-Garadi, M. A., Kim, S., Guo, Y., Warren, E., Yang, Y. C., Lakamana, S., & Sarker, A. (2022). Natural language model for automatic identification...
  • Bafna, P., Pramod, D., & Vaidya, A. (2016). Document clustering: TF-IDF approach. In International Conference on Electrical, Electronics,...
  • Boyd, D., & Crawford, K. (2012). Critical questions for big data. Information, Communication & Society, 15, 662–679.
  • Brasil. (1994). Convenção Interamericana para Prevenir, Punir e Erradicar a Violência contra a Mulher. Convenção de Belém do Pará.
  • Brasil. (2006). Lei nº 11.340. Disponível em http://www.planalto.gov.br/ccivil_03/_ ato2004-2006/2006/lei/l11340.htm
  • Brasil. (2022). Política Nacional de Enfrentamento à Violência contra as Mulheres. Campos, E. A. V., & Andrêo, A. C. O. P. (2024). Violência...
  • Campello, R. J. G. B., Moulavi, D., & Sander, J. (2013). Density-based clustering based on hierarchical density estimates. In Advances...
  • Chen, N. C., Drouhard, M., Kocielnik, R., Suh, J., & Aragon, C. R. (2018). Using machine learning to support qualitative coding in social...
  • De Lucca, J. L., & Nunes, M. G. V. (2002). Lematização versus stemming. Universidade de São Paulo (USP), Universidade Federal de São Carlos...
  • Dong, W., Charikar, M., & Li, K. (2011). Efficient k-nearest neighbor graph construction for generic similarity measures. Proceedings...
  • Egger, R., & Yu, J. (2022). A topic modeling comparison between LDA, NMF, Top2Vec, and BERTopic to demystify Twitter posts. Frontiers...
  • Elsayed, M., Abdelwahab, A., & Ahdelkader, H. (2019). A proposed framework for improving analysis of big unstructured data in social media....
  • Estroff, S. E., Penn, D. L., & Topor, A. (1994). The influence of social networks and social support on violence by persons with serious...
  • Ferreira, Í. A., & Moraes, S. S. (2020). Subnotificação e Lei Maria da Penha: o registro como instrumento para o enfrentamento dos casos...
  • Fox, C. (1989). A stop list for general text. ACM SIGIR Forum, 24(1–2), 19–35. https://doi.org/10.1145/378881.378888
  • Fornari, L. F., Lourenço, R. G., Oliveira, R. N. G. de, Santos, D. L. A. dos, Menegatti, M. S., & Fonseca, R. M. G. S. da. (2021). Domestic...
  • Ghani, N. A., Hamid, S., Hashem, I. A. T., & Ahmed, E. (2019). Social media big data analytics: A survey. Computers in Human Behavior,...
  • Giglietto, F., Rossi, L., & Bennato, D. (2012). The open laboratory: Limits and possibilities of using Facebook, Twitter, and YouTube...
  • Gil, A. C. (2022). Como elaborar projetos de pesquisa (7ª ed.). Atlas.
  • Grootendorst, M. (2022). BERTopic: Neural topic modeling with a class-based TF-IDF procedure. arXiv preprint arXiv:2203.05794.
  • Guan, S., Hui, V., Stiglic, G., Constantino, R. E., Lee, Y. J., & Wong, A. K. C. (2025). Classifying the information needs of survivors...
  • Kepios. (2022). Global social media statistics — DataReportal – Global Digital Insights. Disponível em https://datareportal.com/social-media-users
  • Khurana, D., Koli, A., Khatter, K., & Singh, S. (2022). Natural language processing: State of the art, current trends and challenges....
  • Kouzani, A. Z., & Nouman, M. (2025). Detecting indicators of violence in digital text using deep learning. Natural Language Processing...
  • Levendosky, A. A., Huth-Bocks, A. C., Semel, M. A., & Shapiro, D. L. (2004). The social networks of women experiencing domestic violence....
  • Lisboa, T. K., & Zucco, L. P. (2022). Os 15 anos da Lei Maria da Penha. Revista Estudos Feministas, 30(29).
  • Liu, T., Yang, Y., Huang, G. B., Yeo, Y. K., & Lin, Z. (2015). Driver distraction detection using semi-supervised machine learning. IEEE...
  • McInnes, L., Healy, J., & Astels, S. (2016). hdbscan: Hierarchical density based clustering. Journal of Open Source Software, 2(11), 205.
  • McInnes, L., & Healy, J. (2017). Accelerated hierarchical density clustering. In 2017 IEEE International Conference on Data Mining Workshops...
  • McInnes, L., Healy, J., & Melville, J. (2018). UMAP: Uniform manifold approximation and projection for dimension reduction. arXiv preprint...
  • Mitchell, T. M. (1997). Machine learning. McGraw-Hill Science/Engineering/Math.
  • Mouton, J. P., Ferreira, M., & Helberg, A. S. J. (2020). A comparison of clustering algorithms for automatic modulation classification....
  • Mullah, N. S., & Zainon, W. M. N. W. (2021). Advances in machine learning algorithms for hate speech detection in social media: A review....
  • Mustak, M., Salminen, J., Plé, L., & Wirtz, J. (2021). Artificial intelligence in marketing: Topic modeling, scientometric analysis, and...
  • Ni, Y., Barzman, D., Bachtel, A., Griffey, M., Osborn, A., & Sorter, M. (2020). Finding warning markers: Leveraging natural language processing...
  • Pandove, D., Goel, S., & Rani, R. (2018). Dimensionality reduction of text data: A comparative study. International Journal of Computer...
  • Previatti, J. F., & Milani, M. L. (2016). Violência contra a mulher no território da 25ª Agência de Desenvolvimento Regional (ADR) catarinense:...
  • Radford, A., Kim, J. W., Xu, T., Brockman, G., McLeavey, C., & Sutskever, I. (2022). Robust speech recognition via large-scale weak supervision....
  • Rao, P., & Taboada, M. (2021). Gender bias in the news: A scalable topic modelling and visualization framework. Frontiers in Artificial...
  • Reshamwala, A., Mishra, D., & Pawar, P. (2013). Review on natural language processing. IRACST Engineering Science and Technology: An International...
  • Russell, S., & Norvig, P. (2010). Inteligência artificial (2ª ed.). Elsevier. Samuel, A. L. (1959). Some studies in machine learning using...
  • Santos, W. de P. (2025). Combate à violência doméstica contra a mulher: possíveis avanços a partir da inteligência artificial. Brazilian Journal...
  • Saravanan, R., & Sujatha, P. (2018). A state of art techniques on machine learning algorithms: A perspective of supervised learning approaches...
  • Schraiber, L. B., D’Oliveira, A. F. P. L., França-Junior, I., & Diniz, C. S. G. (2007). Violência contra mulheres entre usuárias de serviços...
  • Sinaga, K. P., & Yang, M. S. (2020). Unsupervised K-means clustering algorithm. IEEE Access, 8, 80716–80727. https://doi.org/10.1109/ACCESS.2020.2988796
  • Sinoara, R. A., Camacho-Collados, J., Rossi, R. G., Navigli, R., & Rezende, S. O. (2019). Knowledge-enhanced document embeddings for text...
  • Souza, A. P. de, Marin, M. J. S., & Rodrigues, P. S. (2021). O mundo sombrio das mulheres vítimas de violência: Uma análise qualitativa...
  • Van der Maaten, L., & Hinton, G. (2008). Visualizing data using t-SNE. Journal of Machine Learning Research, 11, 2579–2605.
  • Vieira, P. R., Garcia, L. P., & Maciel, E. L. N. (2020). Isolamento social e o aumento da violência doméstica: O que isso nos revela?...
  • Walker, L. (1979). The battered woman. Harper and Row.
  • World Health Organization. (2022). Violence against women. Disponível em https://www.who.int/news-room/fact-sheets/detail/violence-against-women
  • Xie, J., Yu, F. R., Huang, T., Xie, R., Liu, J., Wang, C., & Liu, Y. (2018). A survey of machine learning techniques applied to software...
  • Zaldívar-Colado, A., Tripp-Barba, C., & Aguilar-Calderón, J. A. (2025). Inteligencia artificial y creatividad cinematográfica: Revisión...
  • Michalski, R. S., Carbonell, J. G., & Mitchell, T. M. (1983). Machine learning: An artificial intelligence approach. Springer Berlin Heidelberg....