Modelo para analizar mensajes y detectar actitudes peligrosas a través de análisis de sentimientos con algoritmos de aprendizajes

Tesis de 2017 que propone un modelo computacional para detectar actitudes peligrosas en redes sociales mediante análisis de sentimientos y algoritmos de aprendizaje automático. El proyecto aborda la detección temprana de violencia de género, bullying y otras conductas sospechosas o violentas en mensajes publicados en redes de acceso público. La propuesta integra métodos de aprendizaje supervisado y no supervisado con técnicas de análisis de sentimientos y minería de opiniones para clasificar y extraer información de mensajes con el objetivo de identificar aquellos que representan riesgos potenciales. El trabajo busca contribuir a la seguridad en entornos digitales mediante la automatización de la detección de contenido violento en plataformas de redes sociales.

Puntos clave

• El modelo combina algoritmos de aprendizaje supervisado y no supervisado para analizar mensajes en redes sociales y clasificar aquellos con actitudes peligrosas.
• La detección temprana de violencia de género y bullying en plataformas digitales permite intervenir preventivamente antes de que estos comportamientos causen daños mayores.
• El análisis de sentimientos y la minería de opiniones se utilizan como técnicas para extraer características de los mensajes que indican contenido sospechoso o violento.

Para quién: Investigadores y desarrolladores en seguridad digital, especialistas en prevención de violencia en línea, y estudiosos de comportamiento en redes sociales interesados en proteger comunidades virtuales latinoamericanas.