Análisis de FastText con Máquina de Soporte Vectorial para la Clasificación de Discurso de Odio en Twitter

El discurso de odio se refiere a frases o palabras que tienen como objetivo menospreciar o insultar a individuos, grupos o comunidades basándose en factores como la etnia, la religión, la raza o la clase social. En este estudio, se emplearon técnicas de Procesamiento de Lenguaje Natural (PLN) utilizando extracción de características de FastText y el algoritmo SVM para la clasificación de texto. La evaluación se realizó utilizando el F1 Score como métrica de rendimiento. Los datos se dividieron utilizando el método de Validación Cruzada con 10 pliegues, y el experimento se realizó con cuatro núcleos de SVM: RBF, Lineal, Polinómico y Sigmoide. Los resultados de esta investigación, basados en la eficacia de la combinación del método FastTextSVM, demuestran un fuerte rendimiento en la clasificación de discurso de odio. Al adoptar parámetros de FastText de estudios previos e involucrar cuatro núcleos de SVM, esta investigación alcanzó un promedio satisfactorio de F1 Score. Los resultados obtenidos para el núcleo Polinómico mostraron el mejor rendimiento con un F1 Score de 0.813, seguido del núcleo Lineal con 0.809, el núcleo RBF con 0.808 y el núcleo Sigmoide con 0.805. Esto indica que los resultados del F1 Score no muestran diferencias significativas en los resultados.