Explorando a arquitetura transformer para a detecção de discurso de ódio em português

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorCarvalho, Aline Marins Paes-
Autor(es): dc.contributorAmorim, Annie Vianna-
Autor(es): dc.contributorBernardini, Flavia-
Autor(es): dc.contributorFerro, Mariza-
Autor(es): dc.creatorMoraes, Gabriel Assis de-
Data de aceite: dc.date.accessioned2025-01-03T11:37:02Z-
Data de disponibilização: dc.date.available2025-01-03T11:37:02Z-
Data de envio: dc.date.issued2024-10-01-
Data de envio: dc.date.issued2024-10-01-
Fonte completa do material: dc.identifierhttps://app.uff.br/riuff/handle/1/34876-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/919025-
Descrição: dc.descriptionAs Redes Sociais, que desempenham um papel significativo no debate e na comunicação moderna, enfrentam o desafio contemporâneo do grande volume desorde nado de conteúdo nocivo, como discurso de ódio e desinformação. Este trabalho aborda a detecção de discurso de ódio em Português, considerando suas particularidades linguísticas e nuances culturais. Utilizando-se modelos derivados de Transformers, juntamente com diversas estratégias de treinamento e ativação, são avaliados nove modelos com variações em arquitetura, tamanho e corpora de pré-treinamento. Os resultados obtidos demonstram que, apesar de grandes modelos generativos acessados via prompts apresentarem resultados promissores, modelos de linguagem de menor escala ajustados permanecem superiores na realização dessa delicada tarefa.-
Descrição: dc.descriptionSocial Media platforms, significant in modern debate and communication, face the challenge of managing a vast and disorderly volume of hateful content and disinformation. This work examines the detection of hate speech in Portuguese, contemplating its unique linguistic and cultural nuances. Leveraging Transformer-based models and different training and activation strategies, nine models with variations in architecture, size, and pre-training corpora are evaluated. Our findings show that, even though large generative models with enhanced prompts exhibited promising results, tuned small language models remain superior in addressing this task.-
Descrição: dc.description48 f.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Direitos: dc.rightsOpen Access-
Direitos: dc.rightsCC-BY-SA-
Palavras-chave: dc.subjectClassificação-
Palavras-chave: dc.subjectDiscurso de ódio-
Palavras-chave: dc.subjectDiscurso de ódio-
Palavras-chave: dc.subjectRede social on-line-
Palavras-chave: dc.subjectProcessamento de linguagem natural (Computação)-
Palavras-chave: dc.subjectRede neural-
Palavras-chave: dc.subjectTransformers-
Palavras-chave: dc.subjectClassification-
Palavras-chave: dc.subjectHate speech-
Título: dc.titleExplorando a arquitetura transformer para a detecção de discurso de ódio em português-
Tipo de arquivo: dc.typeTrabalho de conclusão de curso-
Aparece nas coleções:Repositório Institucional da Universidade Federal Fluminense - RiUFF

Não existem arquivos associados a este item.