DETECCIÓN DE MISOGINIA EN TEXTOS CORTOS MEDIANTE CLASIFICADORES DE TEXTOS BASADOS EN TRANSFORMERS

Abstract

La expansión de internet y las redes sociales ha brindado a la misoginia un nuevo terreno propicio para su proliferación, gracias al anonimato y la constante conectividad que este entorno ofrece. Este fenómeno ha generado un preocupante aumento de la violencia de género en las distintas plataformas digitales. Este contexto ha impulsado un creciente interés en el campo de detección de misoginia en las redes sociales, como evidencian los recientes benchmarks y enfoques en la materia.

Este trabajo explora la aplicación de técnicas avanzadas de Procesamiento del Lenguaje Natural (PLN) e Inteligencia Artificial (IA) para la detección de la misoginia, alineándose con las tendencias más recientes del estado del arte. Para ello, se han seleccionado modelos basados en la arquitectura Transformers. El objetivo es evaluar cuál de estos modelos ofrece el mejor rendimiento en la tarea de clasificación de contenido misógino.

Se han utilizado técnicas de aumento de datos, como la sustitución de sinónimos y embeddings, para abordar el reducido número de muestras disponibles. Además, se han realizado múltiples iteraciones enfocadas en mejorar la eficiencia de los modelos mediante técnicas avanzadas de preprocesamiento del lenguaje. Asimismo, se ha llevado a cabo un análisis preliminar de hiperparámetros para ajustar los modelos a aquellos que mejor se adapten a ellos.

Los resultados obtenidos con la propuesta final de este trabajo son notablemente buenos, superando en algunos casos al estado del arte.