Por favor, use este identificador para citar o enlazar este ítem:
https://repositorio.ufu.br/handle/123456789/44599| ORCID: |  http://orcid.org/0009-0003-5723-6081 |
| Tipo de documento: | Trabalho de Conclusão de Curso |
| Tipo de acceso: | Acesso Aberto |
| Título: | Detecção de comentários ofensivos na rede social YouTube |
| Autor: | Alves, Kelly Cristina |
| Primer orientador: | Pereira, Fabíola Souza Fernandes |
| Primer miembro de la banca: | Couto, Leandro Nogueira |
| Segundo miembro de la banca: | Tuma, Carlos Cesar Mansur |
| Resumen: | 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. |
| Palabras clave: | Processamento de Linguagem Natural Aprendizado de Máquina Comentário ofensivo Classificação de texto Moderação de conteúdo |
| Área (s) del CNPq: | 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 |
| Idioma: | por |
| País: | Brasil |
| Editora: | Universidade Federal de Uberlândia |
| Cita: | 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. |
| URI: | https://repositorio.ufu.br/handle/123456789/44599 |
| Fecha de defensa: | 21-nov-2024 |
| Aparece en las colecciones: | TCC - Sistemas de Informação (Monte Carmelo) |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| DeteccaoComentariosOfencivos.pdf | TCC | 1.8 MB | Adobe PDF |  Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.