Benito Gracia, Miguel Jose2023-07-192023-07-192023-07-17https://hdl.handle.net/10115/23158Trabajo Fin de Grado leído en la Universidad Rey Juan Carlos en el curso académico 2022/2023. Directores/as: Antonio González PardoEl discurso de odio es un fenómeno que inunda las redes sociales en la actualidad y, cada vez más, requiere de un estudio exhaustivo para comprenderlo en profundidad y encontrar contramedidas efectivas. Ante la ausencia de herramientas flexibles para el análisis de fenómenos de esta índole, se propone un sistema de información modular cuyo cometido es recoger publicaciones de redes sociales y almacenarlas para su posterior procesado y análisis. Se proponen además mecanismos de procesado adicionales para la extracción de conocimiento, como es en este caso la clasificación de texto mediante NLP, empleando tecnologías pioneras de Deep Learning como son los modelos de lenguaje Transformer. Esta información generada nos permite realizar análisis en mayor profundidad y de fenómenos que antes eran imposibles de estudiar de forma automatizada. A lo largo del desarrollo, mantener la modularidad ha sido una prioridad para facilitar la flexibilidad del sistema a la hora de adaptarse a diferentes redes sociales u objetivos de investigación si estas requieren la sustitución de alguno de los módulos. El diseño orientado a objetos del sistema permite diseñar interfaces universales entre las clases para poder reemplazarlas con facilidad. Para interactuar universalmente con sistemas externos, el sistema dispone de conectores que también actúan de interfaz entre ambas partes. Finalmente, se ha propuesto un ejemplo de uso del sistema a través de una prueba de análisis. Esta prueba ha demostrado que el sistema no solamente cumple con su función, sino que además ha podido aportar información de suficiente corrección y calidad como para obtener unos resultados de análisis coherentes.spaSistemas de informaciónRedes socialesDiscurso de odioNatural Language ProcessingClasificación de textoTransformersinfo:eu-repo/semantics/studentThesisinfo:eu-repo/semantics/embargoedAccess