Classificação Multimodal e Multirrótulo de Gênero Musical

• Processo: 20/07911-2
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de agosto de 2020
• Data de Término da vigência: 31 de julho de 2021
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Diego Furtado Silva
• Beneficiário: Luís Felipe Corrêa Ortolan
• Instituição Sede: Centro de Ciências Exatas e de Tecnologia (CCET). Universidade Federal de São Carlos (UFSCAR). São Carlos , SP, Brasil
• Assunto(s): Música Aprendizado computacional Mídia digital Experiência do usuário Recuperação da informação Processamento de linguagem natural Classificação hierárquica multirrótulo Modelagem computacional
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | Classificação Multimodal | Classificacao Multirrotulo | gêneros musicais | Aprendizado de Máquina

Resumo

Com o franco crescimento da distribuição de música digital, organizar e recuperar informação musical por meio de métodos computacionais tem se tornado uma tarefa cada vez mais relevante. Ao mesmo tempo que o volume de dados associados a coleções de música se torna maior e mais diverso, proporcionar uma boa experiência para os usuários se torna uma tarefa mais complexa. A classificação de gêneros musicais é tarefa importante para a melhoria da experiência do usuário com a música. No entanto, a subjetividade na conceituação de gênero musical torna sua definição uma tarefa bastante difícil. Enquanto a maioria dos trabalhos nessa aplicação se limitam ao conteúdo da gravação, há trabalhos que mostram que a letra de uma música pode conter informação relevante à classificação de gênero musical. Esses fatores sugerem que é possível utilizar a letra em conjunto com seu conteúdo para a realização da classificação multimodal de gênero musical. Assim, este projeto irá investigar a fusão de técnicas de aprendizado de máquina e processamento de linguagem natural para a classificação do gênero musical de artistas e músicas a partir de dados de áudio e letra associada.