bertweetbr_multilabel_classifier_toldbr

BERTweetBR Fine-tuned para Detecção de Discurso Tóxico (ToLD-Br) - Classificação Multilabel

Descrição do Modelo

Este modelo é uma versão fine-tuned do BERTweetBR para detecção multilabel de diferentes tipos de linguagem tóxica em português brasileiro. O modelo foi treinado no corpus ToLD-Br e é capaz de identificar múltiplas categorias de toxicidade simultaneamente em um mesmo texto.

Corpus Utilizado

ToLD-Br: Dataset brasileiro de linguagem tóxica contendo 21,000 tweets em português brasileiro. Os tweets foram coletados e anotados manualmente para identificar diferentes formas de toxicidade. É o maior dataset público de linguagem tóxica em português brasileiro.

Classes (6 categorias)

• Homophobia (Homofobia)
• Obscene (Obscenidade)
• Insult (Insulto)
• Racism (Racismo)
• Misogyny (Misoginia)
• Xenophobia (Xenofobia)

Parâmetros de Fine-tuning

• Modelo base: BERTweetBR
• Número de épocas: 15
• Tamanho do batch: 16
• Taxa de aprendizado: 2e-5
• Otimizador: AdamW
• Função de perda: Binary Cross Entropy with Logits Loss
• Melhor checkpoint: Época 0
• Melhor perda de validação: 0.2143

Métricas de Desempenho

Avaliação no conjunto de teste (1,213 exemplos com pelo menos um rótulo):

Métricas Gerais:

• Micro Average F1-Score: 0.60
• Macro Average F1-Score: 0.38
• Weighted Average F1-Score: 0.60
• Samples Average: 0.33

Informações Adicionais

• Idioma: Português Brasileiro
• Tarefa: Classificação Multilabel de Texto
• Domínio: Detecção de Linguagem Tóxica em Tweets
• Desafios: Dataset desbalanceado com categorias de baixa frequência