Aprendizado Desembaraçado de Representação de Músicas para Busca Configurável por Características

• Processo: 24/13907-9
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de outubro de 2024
• Situação: Interrompido
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Diego Furtado Silva
• Beneficiário: Lucas de Souza Brandão
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Bolsa(s) vinculada(s): 25/02767-4 - Aprendizado Desembaraçado de Representação de Músicas para Busca Configurável por Características, BE.EP.IC
• Assunto(s): Aprendizado computacional Ciência de dados
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | Disentangled Representation Learning | music information retrieval | Ciência de Dados

Resumo

A música exerce um papel fundamental no cotidiano do ser humano. Com a evolução de tecnologias de produção e divulgação, especialmente, plataformas de streaming, o mercado musical tem crescido significativamente. Para melhorar a experiência dos usuários nessas plataformas, é essencial criar ferramentas que se apoiam tanto nas características das músicas quanto dos consumidores. Os sistemas de recomendação são cruciais para essa experiência, mas ainda apresentam limitações. Tradicionalmente, eles encontram músicas semelhantes àquelas que o usuário tem o costume de ouvir, mas não permitem que o usuário interaja com o sistema, por exemplo, especificando quais características deseja alterar a partir de uma referência. Este projeto visa desenvolver um mecanismo de recomendação interativo, permitindo que os usuários indiquem características específicas para encontrar novas músicas a partir de uma música de referência. Para isso, utilizaremos aprendizado desembaraçado de representação, que representa uma gravação musical em um espaço vetorial onde diferentes subespaços correspondem a diferentes propriedades, como dançabilidade, agressividade ou emoções específicas. Isso permitirá aos usuários modificar características específicas de uma consulta para encontrar novas músicas, proporcionando uma experiência mais personalizada.