Paz Ruza, JorgeAlonso-Betanzos, AmparoGuijarro-Berdiñas, BerthaEiras-Franco, Carlos2025-01-172025-01-172024J. Paz-Ruza, A. Alonso-Betanzos, B. Guijarro-Berdinas, C. Eiras-Franco, "Aprendizaje automático para combatir la toxicidad en conversaciones sobre salud en línea", XX Conferencia de la Asociación Española para la Inteligencia Artificial (CAEPIA 2024), organizado por Asociación Española para la Inteligencia Artificial (AEPIA), A Coruña, 19 al 21 de junio de 2024, pp. 662-667. ISBN Libro de Actas: 978-84-09-62724-0978-84-09-62724-0http://hdl.handle.net/2183/40760Presentado na: XX Conferencia de la Asociación Española para la Inteligencia Artificial (CAEPIA 2024), organizado por Asociación Española para la Inteligencia Artificial (AEPIA), A Coruña, 19 al 21 de junio de 2024.[Abstract]: En temas relacionados con la salud publica, la toxicidad de usuarios en conversaciones en redes sociales puede ser una fuente de conflicto social o promover comportamientos peligrosos sin base científica. Los metodos existentes para combatir esta toxicidad unicamente detectan conductas inadecuadas; en este trabajo, exploramos la idea de combatirla predictivamente, anticipando donde un usuario podría interactuar de forma toxica en discusiones sobre salud publica. Aplicando una metodología de Aprendizaje Automatico con Filtrado Colaborativo, predecimos la toxicidad en conversaciones sobre COVID entre cualquier usuario y subcomunidad de Reddit. La rendimiento alcanzado por nuestro metodo supera el 80 % en métricas relevantes al problema, permitiendo evitar el emparejamiento de usuarios y subcomunidades conflictivos.spaAtribución 3.0 Españahttp://creativecommons.org/licenses/by/3.0/es/Aprendizaje automáticoDatos diádicosCOVID-19Salud públicaFiltrado colaborativoToxicidad en líneaconference outputopen access10.5281/zenodo.14679220