Resumen

Por su carácter ofensivo o vulgar, las obscenidades son palabras o expresiones consideradas inapropiadas en conversaciones públicas. Hoy en día es común encontrar en blogs, foros y redes sociales el uso de obscenidades para insultar a o denigrar de opiniones, personajes o marcas; una anomalía cuyo agravante es mayor si se tiene en cuenta la amplia cobertura mundial que pueden alcanzar. El uso de diccionarios de palabras vetadas como mecanismo de filtrado es insuficiente, debido a la versatilidad del lenguaje escrito, que permite a los usuarios inventar variantes con transliteraciones o enmascaramientos del texto (por ejemplo, cambiar mierda por m1erd@ o m.i.e.r.d.a). Inspirados en la genómica comparativa, se ha desarrollado un foro web experimental (ForumForte), donde los mensajes ingresados por los usuarios son inspeccionados y depurados de obscenidades transliteradas o enmascaradas. Este artículo presenta dicho software con una descripción breve de su diseño y su uso con datos reales de comentarios provenientes de medios digitales en español y portugués. La efectividad se ubicó entre 84% y 97% en la escala de palabra, dependiendo de la longitud de la obscenidad (para más de cuatro letras), y en 86% en la escala de comentario. Estos resultados insinúan la utilidad del software para filtrado de obscenidades en foros web, independientes del idioma del usuario.

INTRODUCCIÓN

Una característica esencial de los medios digitales de la Web2.0 es su capacidad para generar contenidos de forma colectiva por parte de los usuarios, motivando la colaboración y la construcción mutua de escenarios para obtener experiencias más ricas para los usuarios [1]. Un ejemplo ilustrativo son los foros y blogs digitales, en los que múltiples usuarios generan comentarios escritos sobre sus propias opiniones o las de otros. Desgraciadamente, algunos usuarios abusan de esta libertad de expresión con fines inapropiados, como insultar, degradar o potenciar opiniones, participantes, marcas o cualquier otro concepto mediante un lenguaje ofensivo u obsceno. Por estas razones, normalmente este tipo de servicios digitales deben ser moderados por los administradores de los sitios web para garantizar que los contenidos de texto generados por los usuarios estén libres de blasfemias.

Los filtros basados en el léxico, que cotejan el texto con una lista negra de términos prohibidos, son una herramienta de moderación ingenua.

• Materias:Análisis de datos Bases de datos web Enlaces (Hipertexto) Ingeniería de sistemas Internet Metadatos
• Subjects:data analysis Web databases Links (Hypertext) Systems engineering Internet (Computer network) Metadata
• Palabras claves:foros web; detección de obscenidades; análisis de texto.
• Keywords:web forum; profanity detection; text analysis