Publicação: Detecção de comentários ofensivos na rede social YouTube
Carregando...
Tipo do documento
Data
Direito de acesso
Programa
Área do conhecimento
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::BANCO DE DADOS, CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::SISTEMAS DE INFORMACAO, CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::LINGUAGENS DE PROGRAMACAO, CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::MATEMATICA DA COMPUTACAO::MODELOS ANALITICOS E DE SIMULACAO
Título da Revista
ISSN da Revista
Título de Volume
Autores
Orientador
Coorientador
Resumo
Comentários ofensivos e o discurso de ódio têm se tornado um desafio para a moderação de conteúdo nas redes sociais virtuais, e pesquisa sobre técnicas de moderação automatizada para a língua portuguesa brasileira ainda é limitada. Neste contexto, este estudo visa contribuir para o desenvolvimento de um sistema eficiente para a detecção e classificação de comentários ofensivos em português brasileiro, utilizando técnicas de processamento de linguagem natural e aprendizado de máquina.
A abordagem adotada explora um conjunto de dados composto por 4.139 comentários em português brasileiro extraídos do YouTube e propõe detectar e classificar automaticamente comentários ofensivos em português brasileiro. Foram comparados quatro algoritmos clássicos de classificação de texto — Naive Bayes, SVM, Random Forest e GBM — aplicados a vetorizadores CountVectorizer e TF-IDF. O modelo Random Forest, combinado com CountVectorizer, apresentou o melhor desempenho, alcançando 86% de acurácia e medida F1. Esse resultado evidencia a viabilidade do uso de métodos clássicos de aprendizado de máquina na moderação de conteúdo em português brasileiro. Este estudo contribui com a construção e disponibilização de uma base de dados especializada, promovendo avanços no campo da moderação automatizada e fornecendo um recurso útil para o desenvolvimento de modelos voltados ao português. Com isso, o trabalho reforça o potencial do aprendizado de máquina em promover ambientes online mais seguros e inclusivos.
Abstract
Palavras-chave
Processamento de Linguagem Natural, Aprendizado de Máquina, Comentário ofensivo, Classificação de texto, Moderação de conteúdo
Citação
ALVES, Kelly Cristina. Detecção de comentários ofensivos na rede social YouTube. 2024. 61 f. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) – Universidade Federal de Uberlândia, Monte Carmelo, 2025.