Castro Martin, Ana PamelaTinta Capuz, Carlos Jair2024-08-212024-08-212024-08https://repositorio.uta.edu.ec/handle/123456789/42393Este proyecto presenta la implementación de un sistema automático para detectar extorsiones a través del análisis de señales de voz. Este sistema se ha diseñado para identificar el lenguaje extorsivo, siendo una herramienta esencial para la seguridad y prevención de delitos. La arquitectura del sistema se divide en tres capas principales. En la primera, el reconocimiento de voz y extracción de características se hace internamente con librerías específicas. Frases extorsivas y no extorsivas se clasifican para entrenar el modelo de detección y garantizar precisión en distinguir ambos tipos de lenguaje. Para el entrenamiento incorpora un conjunto de frases clasificadas como extorsivas y no extorsivas. Este conjunto de datos se utiliza para entrenar el modelo de detección, garantizando que el sistema pueda distinguir entre ambos tipos de lenguaje. La capa intermedia utiliza técnicas avanzadas de procesamiento de lenguaje natural (NLP) y aprendizaje automático con el modelo RandomForestClassifier, seleccionado por su fiabilidad y eficiencia. Este sistema procesa y clasifica las frases según su contenido, garantizando una detección precisa y robusta de lenguaje extorsivo. La capa de presentación incluye una interfaz gráfica de usuario (GUI) desarrollada con Tkinter. Esta interfaz permite a los usuarios interactuar con el sistema de manera intuitiva, activando el micrófono para grabar su voz y recibir una evaluación inmediata sobre la presencia de lenguaje extorsivo. La GUI mejora la accesibilidad y usabilidad del sistema. Este prototipo supone un avance significativo en la detección de extorsiones con una precisión del 92% según las pruebas realizadas al sistema, proporcionando una solución eficiente. Se anticipa que esta herramienta satisface la creciente demanda de sistemas de seguridad inteligentes, ayudando a las organizaciones a mantenerse a la vanguardia en la lucha contra el crimen.This project presents the implementation of an automatic system to detect extortion through the analysis of voice signals. This system has been designed to identify extortive language, being an essential tool for security and crime prevention. The architecture of the system is divided into three main layers. In the first, speech recognition and feature extraction is done internally with specific libraries. Extortionist and non-extortionist phrases are classified to train the detection model and ensure accuracy in distinguishing both types of language. A set of sentences classified as extortionate and non-extortionate is incorporated for training. This dataset is used to train the detection model, ensuring that the system can distinguish between the two types of language. The intermediate layer uses advanced natural language processing (NLP) and machine learning techniques with the RandomForestClassifier model, selected for its reliability and efficiency. This system processes and classifies sentences according to their content, ensuring accurate and robust detection of extortionate language. The presentation layer includes a graphical user interface (GUI) developed with Tkinter. This interface allows users to interact with the system intuitively by activating the microphone to record their voice and receive an immediate assessment of the presence of extortionate language. The GUI improves the accessibility and usability of the system. This prototype represents a significant advance in extortion detection with 92% accuracy according to system tests, providing an efficient solution. It is anticipated that this tool will meet the growing demand for intelligent security systems, helping organizations stay ahead in the fight against crime.spaopenAccessDETECCIÓN DE EXTORSIONESANÁLISIS DE VOZMACHINE LEARNINGRandomForestClassifierbachelorThesis