Modelagem automática de tópicos em relatos de violência doméstica

Abstract

No Brasil, violência doméstica é considerada, desde 1995, uma violação dos Direitos Huma nos. Porém mesmo após tal conquista, ainda nos dias de hoje é possível verificar que casos de violência contra a mulher são muito comuns e, em grande parte destes, a mulher não se sente confortável ou segura para reportar tal violência. Faz-se necessário, portanto, um meio anônimo e seguro de capturar os relatos das vítimas sem que haja interferência de terceiros que possa influenciar seu discurso.Neste trabalho, foram analisados os resultados obtidos a partir de conjuntos de dados de violência doméstica usando técnicas de Aprendizado de Máquina para recuperar os assuntos mais recorrentes nos relatos coletados. O Algoritmo de Alocação de Dirichlet Latente - Latent Dirichlet Allocation (LDA) é um dos métodos mais populares para modelagem de tópicos que pode ser aplicado em qualquer área de assunto. O modelo usa uma aproximação Bayesiana para classificar o conjunto de textos em um conjunto de tópicos e pesos. O LDA tem se mostrado um excelente modelo para classificação de tópicos, sendo inclusive utilizado como base para diversos outros algoritmos, e portanto uma ótima opção a ser considerada para uso em bancos de dados que não reque rem relacionamentos complexos de tópicos. Após análise detalhada dos resultados obtidos, foi possível verificar que, no contexto de pandemia do COVID-19, os casos de violência familiar, ou seja, violência cometida por parente da vítima, são os casos mais recorrentes. Isto pode ser validado e justificado pelo confinamento da vítima com seu agressor, como será concluído neste trabalho, o que reitera o impacto do algoritmo no contexto mundial de violência, pois os dados podem ser estudados apesar da taxa de notificação de agressões e registros de boletins de ocorrência sejam baixas.