MODELO PREDICTIVO PARA IDENTIFICAR DELITOS DE ACOSO EN LA RED SOCIAL FACEBOOK APLICANDO BIG DATA
Palabras clave:
Big Data, Dataset, FacePager, Machine Learning, Matriz de confusión, Naive Bayes, Redes SocialesResumen
El uso masivo de las redes sociales ha hecho que los delincuentes puedan usar estas tecnologías con la finalidad de cometer sus crímenes, uno de ellos es el acoso en línea. El objetivo es diseñar un modelo predictivo basado en Big Data para identificar delitos de acoso en la red social Facebook. Este modelo toma como dataset información extraída de los comentarios de publicaciones en Facebook, para utilizar un algoritmo de Machine Learning, teniendo como resultado un modelo de predicción que pueda presentar patrones de acoso y no acoso, los cuales se manifiestan en agresión verbal grave, como insultos, ataques racistas, ataques homofóbicos, etc.
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2025 Leyna Roxana Salinas Veyzaga, Ph.D. (Autor/a)
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Esta revista se distribuye bajo la Licencia CC BY-NC-SA con el fin de garantizar la protección de la producción académica y científica de acceso abierto .
Usted es libre de:
- Compartir — copiar y redistribuir el material en cualquier medio o formato
- Adaptar — remezclar, transformar y construir a partir del material
- La licenciante no puede revocar estas libertades en tanto usted siga los términos de la licencia
Bajo los siguientes términos:
- Atribución — Usted debe dar crédito de manera adecuada , brindar un enlace a la licencia, e indicar si se han realizado cambios . Puede hacerlo en cualquier forma razonable, pero no de forma tal que sugiera que usted o su uso tienen el apoyo de la licenciante.
- NoComercial — Usted no puede hacer uso del material con propósitos comerciales .
- CompartirIgual — Si remezcla, transforma o crea a partir del material, debe distribuir su contribución bajo la la misma licencia del original.
- No hay restricciones adicionales — No puede aplicar términos legales ni medidas tecnológicas que restrinjan legalmente a otras a hacer cualquier uso permitido por la licencia.
Avisos:
No tiene que cumplir con la licencia para elementos del materiale en el dominio público o cuando su uso esté permitido por una excepción o limitación aplicable.
No se dan garantías. La licencia podría no darle todos los permisos que necesita para el uso que tenga previsto. Por ejemplo, otros derechos como publicidad, privacidad, o derechos morales pueden limitar la forma en que utilice el material.
Los términos de la Licencia se encuentran disponibles en: https://creativecommons.org/licenses/by-nc-sa/4.0/deed.es
