Detección automatizada de incidentes urbanos en Telegram mediante Machine Learning para aplicaciones de seguridad ciudadana
Year: 2026
Type: dissertation
Abstract: En este trabajo se aborda el desafío de transformar el flujo masivo y desestructurado de información proveniente de redes sociales en conocimiento útil y accionable para la seguridad ciudadana. Con este fin, se desarrolla un sistema de clasificación automática de noticias de sucesos urbanos basado en técnicas de Procesamiento del Lenguaje Natural (PLN), orientado a identificar y clasificar incidentes relevantes para la percepción de seguridad en entornos urbanos. Para la construcción de un corpus propio, se recopilan más de 100.000 mensajes procedentes de 18 canales de Telegram de ámbito nacional, regional y local, abarcando un período de dos años. Dado el extremo desbalanceo de clases inherente a los datos reales, se implementa un flujo de trabajo de Aprendizaje Activo (Active Learning) mediante Muestreo por Margen, que permite optimizar el proceso de etiquetado manual y consolidar un conjunto de datos equilibrado de 6.927 ejemplos distribuidos en once clases de incidentes urbanos y una clase de control. Sobre este corpus, se lleva a cabo una evaluación comparativa de distintos paradigmas de clasificación de texto: desde clasificadores estadísticos basados en TF-IDF, pasando por sistemas de combinación (ensembles) y representaciones semánticas densas mediante embeddings, hasta arquitecturas codificadoras basadas en Transformers con ajuste fino (fine-tuning) y Modelos de Lenguaje de Gran Tamaño (LLMs) con estrategias de Few-Shot y ajuste eficiente de parámetros mediante QLoRA. Los resultados demuestran que el modelo BGE-M3 ajustado mediante fine-tuning obtiene el mejor rendimiento, alcanzando un F1-Score Macro de 0.75 y una accuracy del 75.60% sobre el conjunto de prueba, superando significativamente al resto de alternativas evaluadas. Se observa, asimismo, que los modelos generativos presentan un comportamiento subóptimo en escenarios de alto desbalanceo de clases frente a arquitecturas con cabezas de clasificación explícitas. Finalmente, se diseña e implementa un prototipo de aplicación móvil que integra el motor de clasificación desarrollado, transformando los resultados en alertas geolocalizadas y accesibles en tiempo real para el ciudadano, demostrando la viabilidad técnica del sistema en un entorno de despliegue orientado a ciudades inteligentes (Smart Cities).
Author: Blasco Di Rosa, Sol
Language: Spanish
Subfield: Artificial Intelligence
Field: Computer Science
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W7222775674