Um Comitê de Classificadores para Anotação Automática de Linguagem Tóxica em Português sob Escassez de Dados
DOI:
https://doi.org/10.21814/lm.18.1.506Palavras-chave:
linguagem tóxica, anotação automática de dados, comité de classificadoresResumo
Mensagens com linguagem tóxica configuram um problema recorrente nas redes sociais, evidenciando a necessidade urgente de métodos automáticos eficazes para mitigar seu impacto. Em geral, tais abordagens dependem de grandes volumes de dados rotulados, cuja construção é onerosa e demorada, além de demandar considerável esforço humano no processo de anotação. Para enfrentar esse desafio, este trabalho propõe um comitê de classificadores voltado à anotação automática de linguagem tóxica em português, concebido para operar com um número reduzido de dados previamente anotados. O comitê integra três estratégias complementares: um método semi-supervisionado baseado em grafos heterogêneos, uma abordagem de aprendizagem few-shot e um método fundamentado em Retrieval-Augmented Generation, ambos baseados em grandes modelos de linguagem. A proposta é avaliada em múltiplos corpora, considerando conjuntos originais e filtrados por concordância total entre anotadores. Os resultados indicam que o comitê apresenta desempenho competitivo, superando o melhor método individual em até 2% em cenários de maior equilíbrio entre os classificadores constituintes e mantendo desempenho comparável nos demais, além de preservar concordância moderada a substancial com os rótulos originais, evidenciando seu potencial para a construção de recursos linguísticos anotados sob escassez de dados.
Downloads
Publicado
Edição
Secção
Licença
Direitos de Autor (c) 2026 Francisco Assis Ricarte Neto, Rafael Torres Anchiêta, Raimundo Santos Moura, Pedro de Alcântara dos Santos Neto, André Macedo Santana
Este trabalho encontra-se publicado com a Licença Internacional Creative Commons Atribuição 4.0.
Ao publicar na presente revista, os autores concordam com os seguintes termos:
- os direitos sobre a obra pertencem aos autores, que apenas concedem à Linguamática o direito de primeira publicação sob a licença Creative Commons, que permite que outros possam redistribuir a obra desde que acompanhada de referência ao autor e à Linguamática.
- os autores podem estabelecer outros contratos para a distribuição não exclusiva da obra, desde que mencionem que a sua primeira publicação foi efectuada na Linguamática.
- para aumentar as referências ao seu trabalho, os autores são encorajados a disponibilizar a obra, como "pré-publicação", antes de ou durante o processo de apreciação pela Linguamática, por exemplo em repositórios institucionais ou nas suas páginas pessoais na rede.
