Detección de ciberacoso en internet y redes sociales mediante técnicas de procesamiento de lenguaje natural

Abstract

El ciberacoso se ha convertido en un grave problema en la sociedad actual, provocando un impacto significativo en las víctimas. En este contexto, cobra relevancia el potencial de la inteligencia artificial como una posible herramienta para abordar estos comportamientos abusivos en medios digitales. Este trabajo fin de grado estudia técnicas de procesamiento del lenguaje natural y aprendizaje automático para la detección de ciberacoso en internet y redes sociales.

Se desarrollarán diferentes modelos capaces de detectar contenido ofensivo en textos de internet, como pueden ser LGBM, BERT y modelos híbridos que incorporan metadatos extraídos del texto. Los conjuntos de datos utilizados estarán compuestos por tweets en español e inglés, con la finalidad de poder comparar los resultados y dinámicas propias del ciberacoso en diferentes contextos lingüísticos. Los metadatos extraídos del texto partirán del estudio y extracción de patrones lingüísticos y representativos del ciberacoso. Los resultados de los diferentes modelos obtienen un rango de valores de F1-score entre 0,7 y 0,94, indicando un alto rendimiento de los mismos y siendo especialmente relevantes los resultados de los modelos híbridos. Estos obtienen unas mejoras considerables respecto al resto de modelos, indicando que los metadatos agregan información contextual que les permite realizar mejores predicciones. Este fenómeno se muestra en ambos conjuntos de datos, independientemente del idioma, reforzando la validez del hallazgo.

Este proyecto demuestra la utilidad de la inteligencia artificial como herramienta de detección del ciberacoso, siendo especialmente útil de cara a la moderación de contenido en internet y redes sociales.