Identificación de comentarios sexistas en textos en español utilizando un modelo pre-entrenado Transformer para Procesamiento de Lenguaje Natural
Contenido principal del artículo
Resumen
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.
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
1.- Licencia de contenido
Creative Commons
Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)
Política propuesta para revistas que ofrecen acceso abierto
Aquellos autores/as que tengan publicaciones con esta revista, aceptan los términos siguientes:
Usted es libre de:
Compartir — copiar y redistribuir el material en cualquier medio o formato
Adaptar — remezclar, transformar y construir a partir del material
La licenciante no puede revocar estas libertades en tanto usted siga los términos de la licencia
Bajo los siguientes términos:
- Atribución — Usted debe dar crédito de manera adecuada, brindar un enlace a la licencia, e indicar si se han realizado cambios. Puede hacerlo en cualquier forma razonable, pero no de forma tal que sugiera que usted o su uso tienen el apoyo de la licenciante.
- NoComercial — Usted no puede hacer uso del material con propósitos comerciales.
- CompartirIgual — Si remezcla, transforma o crea a partir del material, debe distribuir su contribución bajo la la misma licencia del original.
No hay restricciones adicionales — No puede aplicar términos legales ni medidas tecnológicas que restrinjan legalmente a otras a hacer cualquier uso permitido por la licencia.
Â
2.- Derechos de autor y pemiso
- La revista permite que los autores tengan los derechos de autor sin restricciones.
- La revista permite que los autores conserven los derechos de publicación sin restricciones; y los autores garantizan a la revista el derecho de ser la primera publicación del trabajo
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.