Por favor, use este identificador para citar o enlazar este ítem:
http://cimat.repositorioinstitucional.mx/jspui/handle/1008/1141
TRANSFORMERS APLICADO A LA DETECCIÓN Y ANÁLISIS DE AGRESIVIDAD EN REDES SOCIALES | |
Victor Manuel Gómez Espinosa | |
Acceso Abierto | |
Atribución-NoComercial | |
COMPUTO ESTADÍSTICO | |
La agresividad se define como aquello que busca causar daño y puede incitar a la violencia, lo cual es a lo que están expuestos los usuarios en redes sociales, este fenómeno puede causar daños a largo plazo, en algunas ocasiones llevando al suicidio, de ahí la importancia de identificar este tipo de manifestaciones. El presente trabajo aborda el problema de identificar la agresividad en tweets en español de México, mediante la adaptación de un modelo basado en la arquitectura Transformers con el cual se puede también interpretar los resultados obtenidos. Para lograr lo anterior este trabajo propone un procedimiento de tres pasos, que consiste en un pre-proceso que incluye características de la jerga de Twitter como los emojis, por ejemplo, además de un aumento de datos y finalmente un enfoque de ensamble con voto pesado para identificar la agresividad. Adicionalmente se hace un análisis de la atención para identificar en que se basan los modelos a la hora de hacer la clasificación. El procedimiento propuesto, logró resultados que se encuentran en el estado del arte para agresividad en español de México, y pudo adaptarse exitosamente para otra tarea relacionada como lo es la identificación de ofensividad, logrando el primer lugar en la competencia académica MeOffendEs 2021. Adicionalmente se logró identificar que los modelos ponen atención para la clasificación de agresividad en las acciones de causar daños, lo que concuerda con la definición. | |
01-11-2021 | |
Trabajo de grado, maestría | |
OTRAS | |
Versión aceptada | |
acceptedVersion - Versión aceptada | |
Aparece en las colecciones: | Tesis del CIMAT |
Cargar archivos:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
MTY TE 18.pdf | 13.14 MB | Adobe PDF | Visualizar/Abrir |