Publicación:
Identificación de lenguaje misógino a partir de minería de textos en redes sociales

Vista sencilla de ítem
dc.contributor.authorBlanco Toledano, Rubén
dc.contributor.directorMartínez Unanue, Raquel
dc.contributor.directorAraujo Serna, M. Lourdes
dc.date.accessioned2024-05-20T12:26:00Z
dc.date.available2024-05-20T12:26:00Z
dc.date.issued2021-06-01
dc.description.abstractEn este trabajo se estudia la creación de un identificador de agresividad y de mensajes de odio hacia mujeres (mensajes misóginos) a partir de datos recogidos de la red social Twitter. Se trata de una respuesta a la tarea planteada en Automatic Misogyny Identification (AMI) por IberVal 2018. El estudio se compone de dos tareas. En la Task A se crea un identificador binario para determinar si un tweet tiene o no contenido misógino. En la Task B se desarrolla una clasificación acerca del entorno de los mensajes. Por un lado se identifica el objetivo al que va dirigido el mensaje (a una persona particular o a un público general) y por otro se realiza una clasificación del tipo de misoginia en torno a cinco posibles categorías de comportamientos misóginos. Se ha utilizado un conjunto de datos en castellano y otro en inglés para realizar una comparación entre lenguas. El estudio se basa por una parte en el preprocesado de los datos y la vectorización de los textos (con métodos como Bag of Words, TF-IDF o Doc2Vec) y por otra en la búsqueda de los mejores clasificadores posibles (con modelos como Naive Bayes, Regresión Logística, Support Vector Machine, Random Forest, Red Neuronal y Combinación de modelos ).es
dc.description.abstractThis project studies the creation of an identification method of cases of aggressiveness and hate speech towards women (misogynistic messages) from Twitter data. This is a response to the Automatic Misogyny Identification (AMI) shared task at IberEval 2018 The study is composed of two tasks. Task A is a binary classification task to determine if a tweet has misogynous content or not. Task B is a classification task to study the message environment. On the one hand, the objective is to know if the misogyny message was purposely addressed to a specific target (a particular person) or not (general people). On the other hand, the purpose is to distinguish different types of misogyny according to five possible categories. Two datasets are used in the study, one in Spanish and one in English, in order to make a comparison between languages. First of all, the study is based on the text vectorization (with Bag of Words, TF-IDF and Doc2Vec methods). Later, the objective is to search the best possible classifier algorithm (with models such as Naive Bayes, Logistic Regression, Support Vector Machine, Random Forest, Neural Network and Combination of models)en
dc.description.versionversión final
dc.identifier.urihttps://hdl.handle.net/20.500.14468/14234
dc.language.isoes
dc.publisherUniversidad Nacional de Educación a Distancia (España). Escuela Técnica Superior de Ingeniería Informática. Departamento de Inteligencia Artificial
dc.relation.centerE.T.S. de Ingeniería Informática
dc.relation.degreeMáster universitario en Ingeniería y Ciencia de Datos
dc.relation.departmentInteligencia Artificial
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/deed.es
dc.subject.keywordsminería de textos
dc.subject.keywordsvectorización de textos
dc.subject.keywordsAMI
dc.subject.keywordsAutomatic Misogyny Identification
dc.subject.keywordsmisoginia
dc.subject.keywordsTwitter
dc.subject.keywordsclasifiación de tweets
dc.subject.keywordsNLP
dc.subject.keywordstext mining
dc.subject.keywordstext vectorization
dc.subject.keywordsmisogyny
dc.subject.keywordstweets classification
dc.titleIdentificación de lenguaje misógino a partir de minería de textos en redes socialeses
dc.typetesis de maestríaes
dc.typemaster thesisen
dspace.entity.typePublication
Archivos
Bloque original
Mostrando 1 - 1 de 1
Miniatura
Nombre:
BlancoToledano_Ruben_TFM.pdf
Tamaño:
4.25 MB
Formato:
Adobe Portable Document Format
Descargar
Colecciones
Trabajos de fin de máster (TFM)