Jonathan Aguirre Soto  
Universidad La Salle. Arequipa, Perú.  
Hector Ávila Gonzales  
Universidad La Salle. Arequipa, Perú.  
jaguirres@ulasalle.edu.pe  
havilag@ulasalle.edu.pe  
Valeria Bravo Saines  
Universidad La Salle. Arequipa, Perú.  
vbravos@ulasalle.edu.pe  
ARK: ark:/42411/s9/a65  
PURL: 42411/s9/a65  
RECIBIDO 10/07/2022 ● ACEPTADO 28/08/2022 ● PUBLICADO 30/09/2022  
RESUMEN  
En este documento se dará un breve resumen de como en la actualidad el constante desarrollo  
de la información y las tecnologías de comunicación (TICs) ha cambiado la interacción entre las  
personas hoy en día, por lo que las experiencias reales se han trasladado a un método virtualizado  
en este caso internet. Aunque las barreras de espacio-tiempo de la comunicación tradicional se  
han fragmentado, las relaciones sociales se han vuelto más fuertes, pero surgen nuevos  
problemas relacionados con diferentes conductas. El acoso, se define como un acto que amenaza  
el bienestar de una persona, y se convierte en ciberacoso cuando es realizado a través de internet  
generando a gran escala problemas de ansiedad, depresión e incluso el acto de suicidio y por lo  
cual es fundamental detectar a tiempo estos comportamientos malignos. Haremos uso de una  
herramienta de Procesamiento de Lenguaje Natural (NLP) utilizando Twitter como base para la  
extracción de las bases de conocimiento.  
Palabras claves: Twitter, NLP, procesamiento de lenguaje natural, ciber-acoso, TICs.  
ABSTRACT  
REVISTA INNOVACIÓN Y SOFTWARE  
VOL 3 Nº 2 Septiembre - Febrero 2022 ISSN Nº 2708-0935  
This paper will briefly overview how the constant development of information and communication  
technologies (ICTs) has changed the interaction between people today. Real experiences have  
been transferred to a virtualized method, in this case, the internet. Although the space-time  
barriers of traditional communication have been fragmented, social relations have become more  
assertive, but new problems related to different behaviors arise. Bullying is defined as an act that  
threatens the well-being of a person and becomes cyberbullying when it is carried out over the  
internet, generating large-scale problems of anxiety, depression, and even the act of suicide,  
which is why it is essential to detect these malicious behaviors in time. We will use a Natural  
Language Processing (NLP) tool using Twitter as the basis for the extraction of knowledge bases.  
Keywords: Twitter, NLP, natural language processing, cyber-bullying, TICs.  
INTRODUCCIÓN  
El ciberacoso es un acto reiterado que acosa, humilla o amenaza a las personas a través de sus  
ordenadores, teléfonos celulares, laptops, tabletas y otros dispositivos electrónicos, por otro lado  
también se incluyen sitios web que mantienen activas las redes sociales. Ciberacoso a través de  
internet utilizando las redes sociales, se ha vuelto más peligroso que el acoso tradicional porque  
tiene la capacidad de amplificar el daño y humillación a un grupo de personas que están  
conectadas en línea.  
Muchas víctimas del acoso cibernético se sienten tristes, deprimidas, frustradas, incluso tienen  
pensamientos suicidas. Una encuesta realizada por UNICEF y el Ministerio de Comunicación e  
Información, en el Perú existe el cyberbullying y se encuentra en tasas de hasta un 40% entre  
los 13-15 años existe el bullying tradicional y de 11 a 14 años hay una tasa de incidentes de  
ciberacoso. Algunos de ellos podrían ser los acosadores; sin embargo, reconocen el peligro y los  
efectos negativos que llega a generar.  
Por lo tanto, debería haber una forma de detectar a los principales actores del ciberacoso antes  
de que se den cuenta. reportar los daños que han causado en tiempo real. Por eso debe haber  
reglas para poder categorizar textos de ciberbullying. Por ello analizaremos la detección del  
ciberacoso mediante una herramienta de PNL usando un clasificador de texto.  
Materiales y métodos o Metodología computacional  
Motivación  
El objetivo de este trabajo será desarrollar una herramienta para poder detectar las agresiones  
que se producen durante el uso de la aplicación utilizando lenguaje de procesamiento natural y  
un clasificador de texto a partir de datos de Twitter que nos dice que si es un comentario  
REVISTA INNOVACIÓN Y SOFTWARE  
VOL 3 Nº 2 Septiembre - Febrero 2022 ISSN Nº 2708-0935  
sospechoso o es un comentario correcto mostrar a través de una clasificación binaria. Las  
preguntas que nuestro proyecto trata de responder son:  
•
•
•
•
¿En qué dominio del conocimiento estamos trabajando?  
¿Quiénes son los usuarios objetivo?  
¿Por qué es interesante el tema propuesto?  
¿Cuáles son las preguntas que nuestro proyecto de PNL trata de responder?  
Trabajos Relacionados  
. K-Nearest Neighbor (KNN): el algoritmo K-Nearest Neighbor es el algoritmo de  
1
clasificación basado en instancias. Este algoritmo calcula la distancia (por ejemplo, la  
distancia euclidiana) o la distancia de similitud (por ejemplo, la similitud del coseno)  
entre el entrenamiento de datos y la prueba de datos.  
Los tweets de datos que han sido clasificados se transforman en un formato de grafico  
dirigido, con los usuarios de Twitter como nodos y las menciones en los tweets como  
bordes, como se muestra en la Figura [1]. El borde tiene un peso que representa  
cuantos tweets envía un usuario X, a otros usuarios Y o Z en un periodo de tiempo t.  
Además, contiene la lista de tweets clasificados del usuario X al usuario Y o Z.  
Figura 1. Visualización de datos gráficos de Twitter  
2
. Ocho reglas generales para la extracción de características usando Sarna  
Estas reglas se pueden observar en la Figura [2] así como su definición a continuación:  
a) El número de malas palabras en el tuit.  
b) El número de palabras que muestran emociones negativas.  
REVISTA INNOVACIÓN Y SOFTWARE  
VOL 3 Nº 2 Septiembre - Febrero 2022 ISSN Nº 2708-0935  
c) El número de palabras que muestran emoción positiva.  
d) Combinación de un pronombre de primera persona, emoción negativa y combinación  
de un pronombre de segunda persona para capturar el ciberacoso.  
e) Combinación de segundo pronombre con malas palabras para captar el ciberacoso.  
f) Combinación de pronombres en primera persona, palabras que expresan emociones  
negativas y pronombres de tercera persona o nombres propios para capturar el  
ciberacoso.  
g) Combinación de un pronombre de tercera persona o nombre propio con una mala  
palabra para capturar el acoso cibernético.  
h) La combinación de enlace, blasfemia y pronombres también se utiliza para capturar el  
acoso cibernético.  
Figura 2. Sistema de etiquetado de datos  
3
. spaCy: Cada vez es más reconocido por procesar y examinar datos en PNL. Los datos  
textuales no estructurados se generan a gran escala y es fundamental para procesar y  
obtener información de datos no estructurados.  
REVISTA INNOVACIÓN Y SOFTWARE  
VOL 3 Nº 2 Septiembre - Febrero 2022 ISSN Nº 2708-0935  
4
5
. Modelo BERT: Actualmente es muy conocido puesto que Google está utilizando este  
modelo de lenguaje de procesamiento natural para mejorar sus búsquedas; En su lugar,  
lo hemos aplicado como un clasificador de texto para realizar el análisis de sentimiento.  
. Tokenización BERT: El comentario o Tweets seleccionados los empieza a tokenizar y  
nosotros lo hemos usado para obtener el conjunto de datos que contiene cada Tweet.  
Propuesta  
Para este trabajo, estamos utilizando un conjunto de datos de tweets relacionados con el  
ciberacoso, que habría que analizarlos en profundidad mediante la técnica de Sarna para poder  
clasificarlos de forma booleano; es decir, los que contengan 0 serán tuits de ciberacoso o de los  
que se pueda sospechar contienen cyberbullying, los que contengan 1 serán los tweets normales  
por lo que debemos realizar un sistema de etiquetado que podría utilizar diferentes personas que  
quisieran participar para etiquetar cada pieza de información, en cada uno de nuestros tuits en  
particular. Las personas pueden elegir una de las cuatro opciones. Opciones ofrecidas para un  
tweet. El propósito de usar cuatro opciones es permitir que las personas elijan una etiqueta para  
clasificar el tweet según su confiabilidad en un rango de 1 a 4 como se puede ver en la figura [3].  
Esto se debe al nivel de confianza a la hora de elegir si el Tweet es ciberacoso o no.  
Figura 3. Opciones de etiquetado  
1
. Etiquetado: Las opciones 1 y 2 se utilizan para calcular la puntuación total sin ciberacoso. Para  
su parte, se utilizan las opciones 3 y 4 se utilizan para calcular la puntuación total de  
ciberacoso. Para diferenciar el grupo que acosa cibernéticamente y grupo que no acosa  
cibernéticamente, hay un signo menos en el peso del grupo que no acosa cibernéticamente.  
Finalmente, se obtuvieron los estadios de detección del ciberacoso. Nuestro principal objetivo  
es detectar cualquier situación de ciberacoso en Twitter; por lo que su funcionamiento parte  
de la adecuada formación de un algoritmo de aprendizaje supervisado. De ahí la importancia  
de proporcionar una base de conocimientos a partir de un análisis semántico y determinación  
de sentimientos para alcanzar la máxima tasa de precisión. Así, para llevar a cabo estas tres  
etapas ha sido necesario: (i) obtener la base de conocimientos, (ii) capacitación de modelos  
de aprendizaje supervisado, y (iii) implementación de estudios de casos.  
REVISTA INNOVACIÓN Y SOFTWARE  
VOL 3 Nº 2 Septiembre - Febrero 2022 ISSN Nº 2708-0935  
2
.
Obtención de la base de conocimientos: Se debe establecer una base de conocimientos  
adecuada, comúnmente conocido como corpus, que interviene en la detección presuntiva del  
ciberacoso en lengua española como se puede ver en la figura [4]. Un corpus es un conjunto  
de palabras o frases que tienen previamente clasificados según diferentes intereses a través  
de etiquetas.  
Figura 4. Diez ejemplos de palabras insultantes y sus sinónimos en Ecuador.  
3
. Entrenamiento de modelos de aprendizaje supervisado: Se utilizarán tres métricas específicas  
de precisión.  
a) Puntuación de precisión, calculará la precisión del modelo de aprendizaje contando el  
número de muestras de ocurrencias que coinciden con el conjunto predeterminado de  
valores.  
b) Puntuación de precisión promedio, resumida en una curva de recuperación de precisión  
como la media de las precisiones alcanzadas en cada umbral.  
c) puntuación F1, se puede interpretar como un promedio ponderado de precisión y  
recuperación, donde una puntuación F1 alcanza su mejor valor en 1 y su peor  
puntuación en 0.  
4
. Implementación de casos de estudio: Existen tres tipos de análisis para la detección presuntiva  
de acoso cibernético.  
a) Análisis de oraciones y/o palabras, reflejará si el contenido de una oración o texto  
presumiblemente representa algún tipo de acoso.  
b) Análisis del perfil de usuario, presumiblemente determinando un porcentaje de acoso  
en base a un número predefinido de tweets históricos de un usuario específico. Para  
ello, introduzca el perfil en Formato de Twitter: @profildeuser.  
REVISTA INNOVACIÓN Y SOFTWARE  
VOL 3 Nº 2 Septiembre - Febrero 2022 ISSN Nº 2708-0935  
Resultados y discusión  
Análisis del modelo  
El modelo utilizado fue BERT el cual nos ayudará a determinar si un Tweet es clasificado como  
cyberbullying (comentario agresivo, comentario insultante o comentario tóxico) o neutral  
(comentario que no es tóxico). La clasificación se desarrolla a partir de la propuesta realizada, ya  
que actualmente estamos clasificando los comentarios o Tweets en opciones de 1 (que es un  
comentario que contiene cyberbullying) y 0 (que es un comentario neutral), esto se puede ver en  
las Figuras [5] y [6] para que se vean las gráficas de clasificación.  
Figura 5. Clasificación de Tweets en opciones de 1 y 0.  
Figura 6. Clasificando los Tweets de acoso y los Tweets neutrales.  
REVISTA INNOVACIÓN Y SOFTWARE  
VOL 3 Nº 2 Septiembre - Febrero 2022 ISSN Nº 2708-0935  
Análisis de clasificación  
Sin embargo, para que BERT pudiera clasificar los Tweets, tuvo que pasar por un proceso de  
entrenamiento, pero ¿por qué entrenarlo? Es necesario hacerlo para que tenga un procesamiento  
más fluido, lo que hará de él un modelo más eficaz y eficiente por lo que los sentimientos que  
tiene que predecir serán más fácil de identificar, este entrenamiento se puede ver en la Figura  
[7], tuvieron una duración de 20 aproximadamente 40 minutos haciendo que la computadora  
esté activa durante al menos 2 horas para que pueda lograr el objetivo básico.  
Figura 7. Entrenamiento del Modelo Bert para clasificar los Tweets.  
Resultados de entrenamiento  
Después de entrenar al modelo, nos muestra los resultados de cómo realizó la clasificación tan  
pronto como con precisión n; es decir, qué tuits son realmente de acoso (etiqueta 1) y cuáles son  
tuits neutros (etiqueta 0), esto se puede observar en las Figuras [8] y [9] para dar una vista  
detallada de los resultados obtenidos durante el proceso y destacar que cada entrenamiento  
contiene a una parte de nuestro conjunto de datos inicial.  
REVISTA INNOVACIÓN Y SOFTWARE  
VOL 3 Nº 2 Septiembre - Febrero 2022 ISSN Nº 2708-0935  
Figura 8. Resultados del entrenamiento del Modelo BERT con etiquetas de 1 y 0.  
Figura 9. Resultados del entrenamiento del Modelo BERT con etiquetas de acoso y neutral.  
Conclusiones  
Para finalizar, es importante mencionar que el ciberacoso es un problema actual que debemos  
solucionar inmediatamente, ya que muchas personas terminan perjudicadas por estos  
comentarios negativos en sus vidas, así que para llegar a su solución aplicaremos el  
procesamiento de lenguaje natural, el cual es una disciplina importante en nuestra actualidad  
porque gracias a su comprensión es posible identificar y analizar diferentes textos. Gracias a ello  
se puede aplicar en diferentes áreas para mayor beneficio, en este caso, el área que nos ocupa  
es ciberacoso en la aplicación de Twitter.  
Como parte fundamental, este clasificador de texto nos ayudará a cumplir con el objetivo principal  
que es frenar el ciberacoso, implementando la aplicación del modelo BERT para lograr un  
resultado favorable y así poder frenar este problema denominado “ciberacoso”.  
Referencias  
[
1] Gabriel A. Leon-Paredes, Wilson F. Palomeque-Leon, 2019. Presumptive Detection of  
Cyberbullying on Twitter through Natural Language Processing and Machine Learning in  
the Spanish Language. https://ieeexplore.ieee.org/abstract/document/8987684/  
REVISTA INNOVACIÓN Y SOFTWARE  
VOL 3 Nº 2 Septiembre - Febrero 2022 ISSN Nº 2708-0935  
[
[
[
2] Hani N., Dade N. Indonesian Twitter Cyberbullying Detection using Text Classification and  
User Credibility, 2018. https://ieeexplore.ieee.org/abstract/document/8350758/  
3] Monirah A. Al-Ajlan, Mourad Y. Optimized Twitter Cyberbullying Detection based on Deep  
Learning, 2018. https://ieeexplore.ieee.org/abstract/document/8593146  
4] Hoy interessa. Cyberbullying in Peru stand at rates of up to forty per cent  
https://gestion.pe/  
tendencias/ciberbullying-peru-situa-tasas-40-140489-noticia/  
[5] Orhan G. Yalcin. Sentiment Analysis in 10 Minutes with BERT and TensorFlow https://  
towardsdatascience.com/sentiment-analysis-in-10-minutes-with-bert-and-hugging-face-  
2
94e8a04b6  
[
[
[
[
[
6] TensorFlow. Classify text with BERT https://www.tensorflow.org/text/tutorials/classify_  
text_with_bert  
7] Kaggle. Classified Tweets https://www.kaggle.com/datasets/munkialbright/classified-  
tweets  
8] GitHub.  
Cyberbullying  
Detection  
in  
Tweets  
https://github.com/apeksha104/  
Cyberbullying-Detection-in-Tweets  
9] V Krithika, V Priya. A Detailed Survey On Cyberbullying in Social Networks  
https://ieeexplore. ieee.org/abstract/document/9077794  
10] Saima Sadiq, Arif Mehmood, Saleem Ullah, Maqsood Ahmad, Gyu S. Choi, Byung-Won On  
Aggression  
detection  
through  
deep  
neural  
model  
on  
Twitter  
https://www.sciencedirect.com/science/ article/abs/pii/S0167739X19330717  
[
11] Bandeh A. Talpur, Declan Oaˆ€™Sullivan Multi-Class Imbalance in Text Classification: A  
Feature Engineering Approach to Detect Cyberbullying in Twitter  
https://www.mdpi.com/2227-9709/7/4/52  
REVISTA INNOVACIÓN Y SOFTWARE  
VOL 3 Nº 2 Septiembre - Febrero 2022 ISSN Nº 2708-0935