Use of explainable machine learning in the detection of hate speech in the portuguese language
Year: 2026
Type: dissertation
Abstract: A proliferação do discurso de ódio em ambientes digitais tornou-se um problema social urgente, intensificado pelo alcance das mídias sociais e pela inviabilidade da moderação manual em larga escala. Além das dificuldades inerentes à classificação automática, o contexto lusófono ainda carece de comparações sistemáticas entre famílias de modelos e de análises de transparência decisória. Neste trabalho, investigamos a detecção de discurso de ódio em português nas variantes OFFCOMBR-2 e OFFCOMBR-3, comparando modelos clássicos (Random Forest e Regressão Logística), um transformer prétreinado para o idioma (BERTimbau) e um LLM (Llama3 ajustado com LoRA), com uma camada de explicabilidade baseada em SHAP para os modelos supervisionados. Os resultados evidenciam superioridade consistente do BERTimbau, com melhor F1-macro no OFFCOMBR-2 (0.8277) e maior robustez no cenário desbalanceado do OFFCOMBR-3. Observou-se, ainda, que o BERTimbau apresenta alta discriminação (AUC-ROC 0.906 no Exp. 2), mas limitações de calibração quando comparado à LR, que obteve melhor AP (0.822). Por fim, as análises com SHAP mostram diferenças estruturais entre decisões baseadas em n-gramas (modelos clássicos) e em segmentos discursivos mais amplos (transformers), reforçando a importância de desempenho e interpretabilidade em conjunto.
Author: Puls, Erick da Silva
Language: Portuguese
Subfield: Artificial Intelligence
Field: Computer Science
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W7201934157