Identificación del discurso de odio en textos formales e informales de redes sociales mediante los modelos RoBERTa-Base y XLM-RoBERTa-Base Autores: Husnain Saleem - Gomal University, D.I.Khan, KPK (PK) Muhammad Javed - Gomal University, D.I.Khan, KPK (PK) Junaid Khan - Gomal University, D.I.Khan, KPK (PK) Resumen Las plataformas de redes sociales permiten a los usuarios interactuar y compartir contenidos mediante texto, imágenes, vídeos y enlaces. El análisis de sentimientos, un método clave del procesamiento del lenguaje natural (PLN), evalúa el tono emocional de los contenidos de las redes sociales. Este enfoque ayuda a identificar el discurso de odio, que incluye lenguaje dañino u ofensivo dirigido contra personas o grupos. En este estudio presentamos una comparación del rendimiento de dos modelos basados en transformadores, RoBERTa-Base y XLM-RoBERTa-Base, para la identificación del discurso de odio en textos formales (inglés) e informales (urdu romanizado y texto mixto inglés-urdu romanizado). Ajustamos ambos modelos utilizando conjuntos de datos multilingües y evaluamos su rendimiento. XLM-RoBERTa-Base alcanzó una exactitud del 94,46 % para el inglés, del 93,77 % para el urdu romanizado y del 88,32 % para el texto mixto inglés-urdu romanizado, mientras que RoBERTa-Base obtuvo un mejor rendimiento en inglés (97,24 %) y en urdu romanizado (94,28 %), aunque descendió ligeramente hasta el 88 % en el texto mixto inglés-urdu romanizado. Estos resultados muestran que RoBERTa-Base destaca en inglés, pero presenta mayores dificultades con el urdu romanizado y con los textos mixtos con cambio de código, mientras que XLM-RoBERTa-Base mantiene un rendimiento más consistente en todos los idiomas.