Please use this identifier to cite or link to this item: https://repository.ufrpe.br/handle/123456789/2439
Title: Classificação automática de discursos de ódio em textos do twitter
Authors: Nascimento, Robson Murilo Ferreira do
metadata.dc.contributor.authorLattes: http://lattes.cnpq.br/8962852253787699
metadata.dc.contributor.advisor: Souza, Ellen Polliana Ramos
metadata.dc.contributor.advisorLattes: http://lattes.cnpq.br/6593918610781356
Keywords: Twitter (Rede social on-line);Discurso de ódio na Internet;Redes sociais on-line;Mineração de dados (Computação)
Issue Date: 2019
Citation: NASCIMENTO, Robson Murilo Ferreira do. Classificação automática de discursos de ódio em textos do twitter. 2019. 47 f. Trabalho de Conclusão de Curso (Bacharelado em Sistemas de Informação) – Unidade Acadêmica de Serra Talhada, Universidade Federal Rural de Pernambuco, Serra Talhada, 2019.
Abstract: Hate Speech can be defined as any communication that denigrates a person by their ethnicity, race, religion, sexual orientation, nationality or other characteristics. This behavior is becoming increasingly common in social networks, where many people confuse freedom of expression with intolerance. Young people are the main users affected since they represent a portion which might be easier to be influenced by the ideology propagated by haters, which in turn spread violence, racism, xenophobia, religious intolerance, etc. The tool that might help to handle this issue is Text Mining, which is capable of capture patterns or trends of texts in natural language. This task can be defined as a method of extracting relevant information in unstructured databases or semi-structured. Given that the Twitter is one of the most used social networks in Brazil, this work aims to implement and evaluate supervised machine learning techniques in order to automatically identify hate speech in tweets. With that in mind, we build a corpus with data collected from Twitter and part of it is manually annotated and subsequently preprocessed so we can obtain the ground truth collection used for training and evaluation of the supervised models. Finally, we conduct a comparison between machine learning algorithms, namely the SVM, Naive-Bayes and Logistic Regression. Later, we identify the best model under the described domain.
Description: Discurso do ódio, ou no inglês Hate Speech, pode ser definido como qualquer ato de comunicação que inferiorize uma pessoa por sua etnia, raça, religião, orientação sexual, nacionalidade ou outras características. Esse ato está se tornando cada vez mais comum nas redes sociais, onde muitas pessoas confundem liberdade de expressão com intolerância. Os jovens são os principais afetados, pois representam um grupo mais fácil de ser atingido pela ideologia propagada pelos Haters, os quais exaltam a violência, adotam ideologias racistas e xenofóbicas, intolerância religiosa e etc. Uma ferramenta capaz de ajudar a combater esse problema, é a Mineração de Texto, que busca extrair regularidades, padrões ou tendências de textos em linguagem natural, assim podendo ser definida como um método de extração de informações relevantes em bases de dados não estruturadas ou semi-estruturadas. Considerando o Twitter como uma das redes sociais mais utilizadas no Brasil, este trabalho tem como objetivo de implementar e avaliar técnicas supervisionadas de aprendizagem de máquina, com intuito de identificar de forma automática discurso de ódio em tweets. Para isso, foram utilizados dois corpus, um na língua inglesa, previamente disponibilizado, e outro com a língua português do Brasil,o qual foi montado com texto do Twitter, que posteriormente parte dele foi anotado de forma manual, e ambos passaram por um pré-processamento, a fim de criar coleções douradas, utilizadas para construção e avaliação dos modelos supervisionados. Por fim, foi realizada uma análise comparativa dos algoritmos de aprendizagem de máquina: SVM, Naive-Bayse e Regressão Logística, combinados com a técnica de processamento de linguagem natural stemming.
URI: https://repository.ufrpe.br/handle/123456789/2439
Appears in Collections:TCC - Bacharelado em Sistemas de Informação (UAST)

Files in This Item:
File Description SizeFormat 
tcc_robsonmuriloferreiradonascimento.pdf375,31 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.