Uso de algoritmos de apredizaje máquina para la detección de ciberacoso en redes sociales

Abstract

[Resumen] Las redes sociales han alcanzado un éxito indiscutible en nuestra sociedad, forman parte de nuestras vidas en el día a día y cuentan con innumerables virtudes. Lamentablemente, también son un soporte ideal para la propagación del ciberacoso, el cual puede acarrear un gran impacto a largo plazo, con efectos tanto físicos como psicológicos padecidos por las víctimas. Debido al auge del uso de las redes sociales (el cual se vio potenciado por la pandemia provocada por el COVID-19) y a la cantidad ingente de datos existentes, la detección del ciberacoso haciendo uso de algoritmos de Inteligencia Artificial se hace primordial, ya que busca paliar un problema que afecta diariamente a muchas personas. Siguiendo las fases de la metodología CRISP-DM, hemos aplicado diversos algoritmos de Machine Learning, centrados en el aprendizaje supervisado, a un conjunto de datos que abarca una amplia gama de información de la red social Instagram, con el objetivo de predecir si un comentario es acoso o no. Una vez que los datos han sido analizados y procesados, se han utilizado para alimentar a los algoritmos correspondientes. Posteriormente, hemos comparado los resultados en función de su desempeño y eficacia, con el propósito de identificar cuáles son los más adecuados.

[Abstract] Social networks have achieved undeniable success in our society; they are an integral part of our daily lifes and possess countless virtues. Unfortunately, they also serve as an ideal platform for the proliferation of cyberbullying, which can have a significant long-term impact, with both physical and psychological effects suffered by the victims. Due to the rise in the use of social networks (which was further accelerated by the COVID- 19 pandemic) and the vast amount of existing data, the detection of cyberbullying using Artificial Intelligence algorithms becomes paramount, as it aims to mitigate a problem that affects many people daily. Following the phases of the CRISP-DM methodology, we have applied various Machine Learning algorithms, primarily focused on supervised learning, to a dataset covering a wide range of information from the social network Instagram. The objective was to predict whether a comment constitutes harassment or not. Once the data has been analyzed and processed, it has been used to feed the corresponding algorithms. Subsequently, we have compared the results based on their performance and effectiveness, with the aim of identifying which ones are the most suitable.