Detección automática de violencia o contenido sexual explícito en canciones con modelos largos de lenguaje

Abstract

El aumento del contenido sexual explícito en las canciones que escuchan los jóvenes, se ha desarrollado ha sido objeto de inquietud social especialmente por el consumo masivo entre los más jóvenes. El presente Trabajo Fin de Grado propone una solución tecnológica basada en un sistema automatizado de detección de contenido explícito en las letras de canciones. Para poder llevarlo a cabo se ha utilizado un modelo GPT, refinado mediante técnicas de aprendizaje supervisado sobre un corpus de 100 canciones en castellano que han sido previamente etiquetadas por una experta. De esta manera, el modelo será capaz de clasificar canciones por “explícitas” o “no explícitas” con resultados empíricamente sólidos que validan las hipótesis planteadas. De esta manera se plantea como el Business Analytics puede contribuir a crear soluciones socialmente responsables que promuevan un consumo musical más consciente y seguro.The rise of sexually explicit content in the songs young people listen to has become a matter of social concern, particularly due to its widespread consumption among adolescents. This Bachelor's Thesis proposes a technological solution based on an automated system for detecting explicit content in song lyrics. To implement this, a GPT model has been used and refined through supervised learning techniques on a corpus of 100 Spanish-language songs that were previously labeled by an expert. In this way, the model is capable of classifying songs as “explicit” or “non-explicit” with empirically robust results that validate the proposed hypotheses. This work illustrates how Business Analytics can contribute to the development of socially responsible solutions that promote a more conscious and safer music consumption.