Detección de discursos de odio multilingües dirigidos a inmigrantes y mujeres en Twitter

Twitter ha experimentado un enorme aumento en popularidad en los últimos años, estableciéndose como una plataforma de redes sociales prominente con una gran base de usuarios. Sin embargo, con este aumento en el uso, ha habido un preocupante aumento en el número de individuos que recurren a un lenguaje despectivo y expresan sus opiniones de manera denigrante hacia otros. Este aumento en los discursos de odio ha llamado la atención significativa al campo del análisis de sentimientos, que tiene como objetivo desarrollar algoritmos capaces de detectar y analizar emociones expresadas en redes sociales utilizando enfoques intuitivos. Este artículo se centra en abordar la compleja tarea de detectar discursos de odio y comportamiento agresivo mientras se realiza la clasificación de objetivos. Exploramos varios enfoques de aprendizaje profundo, incluyendo LSTM, BiLSTM, CNN y GRU. Cada uno ofrece capacidades únicas para capturar diferentes aspectos de los datos de entrada. Proponemos un enfoque de conjunto que combina los tres modelos de mejor rendimiento. Este enfoque de conjunto se beneficia de las diversas fortalezas de cada modelo individual, mostrando una puntuación F1 de 0.85 para English-HS, 0.94 para English-TR, 0.92 para English-AB, 0.84 para Spanish-HS, 0.86 para Spanish-TR, 0.97 para Spanish-AB, 0.74 para multilingual-HS, 0.94 para multilingual-TR y 0.88 para multilingual-AB.