"Com o avanço exponencial das redes sociais e sua riqueza em dados, tais plataformas tornaram-se ferramentas fundamentais para estudos de mineração de dados. No entanto, essa abundância de informação também tem gerado um aumento significativo no discurso de ódio, especialmente devido ao falso entendimento de anonimato promovido pelo uso de perfis falso e à utilização de emojis como estratégia para mascarar as palavras, que acabam escapando da detecção convencional. Este estudo propõe uma abordagem para enfrentar esse desafio, concentrando-se no desenvolvimento de um classificador automático de discursos xenofóbicos, com foco específico na língua portuguesa. A metodologia adotada combina o método Ensemble com as técnicas de SVM, LSTM e CNN, utilizando Word2Vec com e sem a técnica emoji2desc, para o pré-processamento dos dados. Além disso, foram utilizados esses mesmos modelos combinados com a técnica de Multi-Head Attention, também com e sem o uso do emoji2desc. Também fazem parte da proposta do ensemble, os modelos XLM-RoBERTa e BERTimbau. A abordagem quantitativa adotada neste estudo é apropriada para a realidade atual, onde ataques xenofóbicos nas mídias sociais têm aumentado, muitas vezes utilizando métodos para a propagação dessas ofensas. Destaca-se que poucos estudos interpretam os emojis como parte crucial na classificação dos textos. Portanto, esta pesquisa busca o desenvolvimento de um modelo classificador para facilitar a identificação de postagens xenofóbicas e a criação de um banco de dados destinado à avaliação dessas postagens. Como resultados, destacamos no texto que o melhor modelo no ensemble proposto foi o BERTimbau, o qual alcançou uma acurácia de 84% sem o uso do emoji2desc e 91% com o emoji2desc"