misobr-bertimbau-base

🇧🇷 MISO-BR BERTimbau Base - Detector de Misoginia

Este modelo é uma versão fine-tuned do BERTimbau Base especificamente treinada para detectar misoginia em textos em português brasileiro.

📊 Performance

🎯 Uso

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch

# Carregar modelo e tokenizer
model_name = "fabiopassos/misobr-bertimbau-base"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSequenceClassification.from_pretrained(model_name)

def predict_misogyny(text):
    inputs = tokenizer(text, return_tensors="pt", truncation=True, padding=True, max_length=128)
    
    with torch.no_grad():
        outputs = model(**inputs)
        predictions = torch.nn.functional.softmax(outputs.logits, dim=-1)
    
    labels = ["Não-misógino", "Misógino"]
    confidence = predictions[0][1].item()  # Confiança para classe misógina
    prediction = labels[predictions.argmax().item()]
    
    return {
        "prediction": prediction,
        "confidence": confidence,
        "probabilities": {
            "Não-misógino": predictions[0][0].item(),
            "Misógino": predictions[0][1].item()
        }
    }

# Exemplo de uso
texto = "Essa mulher é uma vagabunda"
resultado = predict_misogyny(texto)
print(f"Predição: {resultado['prediction']}")
print(f"Confiança: {resultado['confidence']:.4f}")

⚙️ Configurações de Treinamento

Hiperparâmetros utilizados:

• Modelo base: neuralmind/bert-base-portuguese-cased (109M parâmetros)
• Learning rate: 5e-05
• Train batch size: 16
• Eval batch size: 16
• Seed: 42
• Optimizer: AdamW Torch Fused (betas=(0.9,0.999), epsilon=1e-08)
• LR scheduler type: linear
• Warmup steps: 500
• Épocas: 20
• Max length: 128 tokens
• Early stopping: 3 épocas de paciência
• Métrica de seleção: F1-macro

Resultados durante o treinamento:

Tabela mostra épocas selecionadas do treinamento. Melhor resultado obtido na época 13.

Versões das bibliotecas:

• Transformers: 4.57.0
• PyTorch: 2.8.0+cu126
• Datasets: 4.0.0
• Tokenizers: 0.22.1

🔍 Classes

• 0: Não-misógino (texto que não contém misoginia)
• 1: Misógino (texto que contém misoginia)

Melhor época (13): Precisão de 84.09% para classe misógina e Recall de 82.22%

⚠️ Limitações

1. Contexto específico: Treinado principalmente em comentários de redes sociais brasileiras
2. Definição de misoginia: Baseada em critérios específicos do dataset MISO-BR
3. Variações linguísticas: Pode ter performance reduzida em outros registros do português
4. Viés temporal: Dados coletados em período específico (2019-2025)

🏷️ Labels e Definições

Misógino: Textos que apresentam:

• Ataques baseados no gênero feminino
• Linguagem objetificante ou degradante
• Estereótipos negativos específicos de mulheres
• Discriminação explícita ou implícita

Não-misógino: Textos que:

• Não contêm elementos discriminatórios de gênero
• Podem ser neutros ou até mesmo críticos, mas sem base misógina
• Incluem linguagem ofensiva geral (não específica de gênero)

📄 Citação

Se você usar este modelo ou dataset, por favor cite:

@misc{misobr2025,
  author = {Fábio Passos},
  title = {MISO-BR: Corpus Anotado de Misoginia em Português Brasileiro},
  year = {2025},
  publisher = {Hugging Face},
  howpublished = {\url{https://huggingface.co/fabiopassos/misobr-bertimbau-base}},
  note = {Dataset disponível em: \url{https://huggingface.co/datasets/fabiopassos/miso-br}}
}

📜 Licença

Este modelo está licenciado sob a Licença MIT. O dataset MISO-BR está disponível sob Creative Commons CC BY 4.0.

---

Desenvolvido para pesquisa acadêmica em detecção de discurso de ódio e misoginia em português brasileiro.