Identificación de comentarios sexistas en textos en español utilizando un modelo pre-entrenado Transformer para Procesamiento de Lenguaje Natural
Palabras clave:
Sexismo, Procesamiento de Lenguaje Natural, Modelo TransformerResumen
En la época de la tecnología en la que nos encontramos, las redes sociales en línea han permitido que las personas expresen sus opiniones y se comuniquen entre sí pero, también han aumentado los comentarios y actitudes sexistas, lo cual es perjudicial para las personas, especialmente para las mujeres. Detectar manualmente el sexismo en línea es difícil debido a la gran cantidad de comentarios que se publican. Por esta razón, este artículo propone utilizar un modelo existente de aprendizaje automático para identificar comentarios sexistas en español, utilizamos el modelo pre-entrenado Transformer Pysentimiento, que clasifica y analiza el sexismo en textos en español. Los resultados se presentan en una interfaz web que muestra la predicción y la probabilidad de que cada comentario sea "Sexista" o "No sexista", utilizamos también mensajes extraídos de Twitter para realizar pruebas con el modelo. Demostramos así que es posible crear sistemas o servicios para la detección de sexismo utilizando un modelo Transformer pre-entrenado para ello. Esta tecnología puede ser valiosa para empresas, organizaciones e investigadores que deseen monitorear y prevenir el discurso sexista en línea.
Citas
Abburi, H., Parikh, P., Chhaya, N., & Varma, V. (2021). Fine-Grained Multi-label Sexism Classification Using a Semi-Supervised Multi-level Neural Approach. Data Science and Engineering, 6(4), 359–379. https://doi.org/10.1007/s41019-021-00168-y
Espin, C., Guamán, K. V., & García, R. Y. (2022). Classification and labeling of tweets from Ecuador to determine what topic they. 7(3), 1282–1295. https://doi.org/10.23857/pc.v7i3.3791
Jha, A., & Mamidi, R. (2017). W17-2902. 7–16.
Kalra, A., & Zubiaga, A. (2020). Sexism Identification in Tweets and Gabs using Deep Neural Networks. 1–10. https://itu.foleon.com/itu/measuring-digital-development/gender-gap/
Lampert Grassi, M. (2018). Definición del concepto de “sexismo”: influencia en el lenguaje, la educación y la violencia de género. Biblioteca del Congreso Nacional de Chile, 11. https://obtienearchivo.bcn.cl/obtienearchivo?id=repositorio/10221/26147/1/BCN_definicion_sexismo_FINAL.pdf
pysentimiento/robertuito-base-cased · Hugging Face. (s/f). Recuperado el 28 de enero de 2023, de https://huggingface.co/pysentimiento/robertuito-base-cased
Rodriguez-Sanchez, F., Carrillo-de-Albornoz, J., & Plaza, L. (2020). Automatic classification of sexism in social networks: an empirical study on Twitter data. IEEE Access, 219563–219576. https://doi.org/10.1109/ACCESS.2020.3042604
Shimi, G., Mahibha, J., & Thenmozhi, D. (2022). Sexism Identification In Social Media Using Deep Learning Models. CEUR Workshop Proceedings, 3202.
Ta, H. T., Rahman, A. B. S., Najjar, L., & Gelbukh, A. (2022). (2022). Transfer Learning from Multilingual DeBERTa for Sexism Identification. CEUR Workshop Proceedings, 3202.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2023 César Espín Riofrio , Joshua Ávila Vacas , María Pérez Pilco , Tania Peralta Guaraca
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Authors retain copyright and guarantee the Journal the right to be the first publication of the work. These are covered by a Creative Commons (CC BY-NC-ND 4.0) license that allows others to share the work with an acknowledgment of the work authorship and the initial publication in this journal.
