Avaliação de Abordagens de Classificação Hierárquica para Detecção de Discurso de Ódio na Língua Portuguesa
Classificação Hierárquica, Detecção de Discurso de Ódio, Aprendizado de Máquina, Língua Portuguesa.
Este trabalho tem como foco a avaliação de abordagens de classificação hierárquica para a detecção de discurso de ódio em textos na língua portuguesa. O objetivo principal é comparar a eficácia de diferentes estratégias de classificação, explorando a estrutura hierárquica na identificação de nuances semânticas e relações complexas entre as classes. A detecção de discurso de ódio é um desafio crescente, especialmente em contextos online, onde a diversidade de expressões e o uso de linguagem implícita exigem modelos que possam capturar essas variações. Para isso, exploramos diferentes algoritmos de aprendizado de máquina, incluindo Máquinas de Vetores de Suporte (SVM) e Naive Bayes, aplicados tanto em uma abordagem plana quanto em uma abordagem hierárquica. A pesquisa ira investigar se a classificação hierárquica pode melhorar a precisão e a capacidade de adaptação dos modelos, levando em consideração as particularidades da língua portuguesa e o dinamismo do discurso online. O estudo compara essas abordagens, discutindo seus pontos fortes e limitações, e oferece uma análise detalhada dos resultados, com ênfase em como a hierarquia das classes pode contribuir para uma detecção mais robusta e eficiente do discurso de ódio.