Desenvolvimento de um conjunto de dados com comentários extraídos da plataforma Twitch sobre o jogo League of Legends

Resumo


O crescimento das plataformas de transmissão ao vivo como a Twitch, impulsionado pelo aumento no volume de criadores de conteúdo, impactou positivamente em uma indústria economicamente importante, os jogos eletrônicos (e-Sports). O destaque da categoria dentro do tipo Multiplayer Online Battle Arena (MOBA) vai para o League of Legends, que foi um dos responsáveis pela legitimação e profissionalização dos e-Sports. O jogo possui uma vasta gama de criadores e que trazem consigo uma grande quantidade de interações dos internautas que os assistem. Um fenômeno deletério percebido neste cenário é a proliferação de discursos ofensivos, com comentários atacando ou denegrindo pessoas ou grupos, criando uma rede de ódio. Neste ensejo, neste trabalho apresentamos um conjunto de dados construído com comentários extraídos das transmissões dos criadores com maior engajamento na plataforma, visualizando os aspectos característicos e verificando de forma experimental, como o ódio está distribuído. Esta base de dados tem o potencial de auxiliar pesquisas envolvendo a detecção e também na análise desta indústria/domínio de aplicação da temática abordada.
Palavras-chave: hate speech, twitch, dataset, league of legends, mídias sociais

Referências

Almeida, G. R., Guimarães, I., Jacob Jr, A. F., & Lobato, F. M. (2020). Fontes de dados gerados por usuários: quais plataformas considerar?. In Anais do IX Brazilian Workshop on Social Network Analysis and Mining (pp. 25-36). SBC.

Atef, N. (2020). Classifying Hate Speech with a pyTorch Transformer.

Coutinho, V. M. D. M. S., & Malheiros, Y. (2020). Detecção de Mensagens Homofóbicas em Português no Twitter usando Análise de Sentimentos. In Anais do IX Brazilian Workshop on Social Network Analysis and Mining (pp. 1-12). SBC.

Deng, J., Tyson, G., Cuadrado, F., & Uhlig, S. (2017). Internet scale user-generated live video streaming: The Twitch case. In International Conference on Passive and Active Network Measurement (pp. 60-71). Springer, Cham.

dos Santos, L. F., & Guedes, G. P. (2019). Identificaçao de predadores sexuais brasileiros por meio de análise de conversas realizadas na internet. In Anais do VIII Brazilian Workshop on Social Network Analysis and Mining (pp. 143-154). SBC.

Erlapally, D. (2020). Hate Speech Detection || 1D CNN || Glove Embedding.

Fortuna, P., & Nunes, S. (2018). A survey on automatic detection of hate speech in text. ACM Computing Surveys (CSUR), 51(4), 1-30.

Fuchs, C. (2021). Social media: A critical introduction. Sage.

Gambäck, B., & Sikdar, U. K. (2017). Using convolutional neural networks to classify hate-speech. In Proceedings of the first workshop on abusive language online (pp. 85-90).

Hilvert-Bruce, Z., Neill, J. T., Sjöblom, M., & Hamari, J. (2018). Social motivations of live-streaming viewer engagement on Twitch. Computers in Human Behavior, 84, 58-67.

Hinnant, N. C. (2013). Practicing work, perfecting play: League of Legends and the sentimental education of e-sports.

Index, P. P. (2019). Twitch python.

Johnson, M. R., & Woodcock, J. (2019). The impacts of live streaming and Twitch. tv on the video game industry. Media, Culture & Society, 41(5), 670-688.

Junior, L. F., Junior, J. S., & Lobato, F. (2020). Um olhar sobre turismo gastronômico: Um caso no TripAdvisor. In Anais do XVII Encontro Nacional de Inteligência Artificial e Computacional (pp. 519-530). SBC.

Lima Jr, L. C. C., Rodrigues, L. D. F., Jacob Jr, A. F. L., and Lobato, F. M. F. (2020). League of Legends and hate speech: a corpus for comments in Twitch.tv.

Moore, M. (2018). 2 Popular Twitch Streamers Banned for a Month Over Hate Speech.

Nascimento, G., Carvalho, F., Cunha, A. M. D., Viana, C. R., & Guedes, G. P. (2019). Hate speech detection using Brazilian imageboards. In Proceedings of the 25th Brazillian Symposium on Multimedia and the Web (pp. 325-328).

Perrin, A. (2015). Social media usage.Pew research center, pages 52–68.

Pitsilis, G. K., Ramampiaro, H., and Langseth, H. (2018). Effective hate-speech detectionin twitter data using recurrent neural networks. Applied Intelligence, 48(12):4730–4742.

Rodrigues, L., Junior, A., & Lobato, F. (2019). Notícias relacionadas a pessoas com deficiência: uma análise do conteúdo gerado pelos usuários em postagens de mídias sociais. In Anais do XVI Encontro Nacional de Inteligência Artificial e Computacional (pp. 811-822). SBC.

Sakhiya, N. (2020). Hate Speech Detection: RNN.

Silva, A., & Roman, N. (2020). Hate Speech Detection in Portuguese with Naïve Bayes, SVM, MLP and Logistic Regression. In Anais do XVII Encontro Nacional de Inteligência Artificial e Computacional (pp. 1-12). SBC.

Wang, C. (2018). Interpreting neural network hate speech classifiers. In Proceedings of the 2nd Workshop on Abusive Language Online (ALW2) (pp. 86-92).

Watanabe, H., Bouazizi, M., & Ohtsuki, T. (2018). Hate speech on twitter: A pragmatic approach to collect hateful and offensive expressions and perform hate speech detection. IEEE access, 6, 13825-13835.

Wei, X., Lin, H., Yang, L., & Yu, Y. (2017). A convolution-LSTM-based deep neural network for cross-domain MOOC forum post classification. Information, 8(3), 92.
Publicado
18/07/2021
Como Citar

Selecione um Formato
RODRIGUES, Lucas D. F.; L. JUNIOR, Luiz C. C.; JACOB JUNIOR, Antonio F. L.; LOBATO, Fábio M. F.. Desenvolvimento de um conjunto de dados com comentários extraídos da plataforma Twitch sobre o jogo League of Legends. In: BRAZILIAN WORKSHOP ON SOCIAL NETWORK ANALYSIS AND MINING (BRASNAM), 10. , 2021, Evento Online. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2021 . p. 91-102. ISSN 2595-6094. DOI: https://doi.org/10.5753/brasnam.2021.16128.

Artigos mais lidos do(s) mesmo(s) autor(es)