Estudo de técnicas de auto-tagging para dados musicais específicos de domínio e considerando o problema de cauda longa

• Processo: 21/15221-9
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de abril de 2022
• Data de Término da vigência: 30 de junho de 2023
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Diego Furtado Silva
• Beneficiário: Vitor Diniz de Oliveira Cunha
• Instituição Sede: Centro de Ciências Exatas e de Tecnologia (CCET). Universidade Federal de São Carlos (UFSCAR). São Carlos , SP, Brasil
• Bolsa(s) vinculada(s): 22/10969-8 - ...And Justice for All Tags: lidando com desbalanceamento de classes em rotulação automática de músicas utilizando embeddings, BE.EP.IC
• Assunto(s): Aprendizado computacional Redes neurais (computação) Recuperação da informação Classificação multirrótulo Metodologia e técnicas de computação
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | Classificacao Multirrotulo | Propagação de rótulos | Recuperação de informação musical | Aprendizado de Máquina

Resumo

Com o crescimento de plataformas de streaming de conteúdo musical, o interesse na automatização de tarefas como recomendação e recuperação de informação a partir de dados musicais tem sido cada vez maior. Nesse contexto, tags sociais têm sido consideradas importantes ferramentas para organizar e recuperar dados musicais. Tags, ou "etiquetas", são dados atribuídos a cada música (ou artista) para descrevê-la em alto nível. Alguns exemplos são etiquetas relacionadas ao gênero, instrumentos musicais utilizados e emoção passada pela música. Enquanto diversos algoritmos baseados em aprendizado de máquina foram recentemente propostos para a tarefa de auto-tagging (etiquetamento automático), pouco se conhece sobre a sua adequabilidade para predizer tags pouco representadas no conjunto de treinamento. O objetivo deste trabalho é investigar o desempenho de técnicas de auto-tagging para dois cenários: tags com baixa representatividade e músicas de culturas distintas. Para isso, será enriquecido um conjunto de dados contendo músicas brasileiras por meio de APIs especializadas e realizados experimentos com técnicas baseadas em redes neurais artificiais e em propagação de rótulos.(AU)