BAMPORT: construção de uma base de dados multimodal para análise de músicas em português

Silva, Letícia Tavares da

Please use this identifier to cite or link to this item: http://hdl.handle.net/11422/23854

Type:	Trabalho de conclusão de graduação
Title:	BAMPORT: construção de uma base de dados multimodal para análise de músicas em português
Author(s)/Inventor(s):	Silva, Letícia Tavares da
Advisor:	Silva, João Carlos Pereira da
Abstract:	A música, muito presente no cotidiano das pessoas, tornou-se ainda mais acessível com a popularização das plataformas digitais, o que gerou uma crescente demanda por métodos eficazes de classificação automática de gêneros musicais. Este trabalho apresenta a base de dados BAMPORT, uma base robusta projetada para integrar características textuais e acústicas de músicas em português, com o objetivo de aprimorar a precisão na categorização musical. A BAMPORT resultou na criação de um conjunto de dados abrangente, que inclui 198 atributos e 27.777 instâncias. Esses atributos são compostos por 13 atributos de metadados, 14 métricas de áudio, 25 rótulos de gênero e 146 variáveis de Processamento de Linguagem Natural extraídas das letras das músicas. A análise inicial demonstrou que a combinação dos atributos textuais mais relevantes com as métricas de áudio resultou em um aumento significativo na pontuação F1-Macro dos modelos de classificação, em comparação com a utilização exclusiva das métricas de áudio, com a rede neural se destacando como o modelo de melhor desempenho. No entanto, esse aumento foi observado apenas quando a base foi filtrada para incluir os cinco gêneros nacionais mais populares. Esse resultado pode ser atribuído ao desbalanceamento entre gêneros e à presença reduzida de alguns gêneros na base de dados, o que pode ter limitado a capacidade dos modelos de aprender características distintas de gêneros menos representados.
Keywords:	Aprendizado de máquina Banco de dados de músicas Processamento de linguagem natural Natural language processing Automatic genre classification Machine learning
Subject CNPq:	CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Production unit:	Instituto de Computação
Publisher:	Universidade Federal do Rio de Janeiro
Issue Date:	3-Sep-2024
Publisher country:	Brasil
Language:	por
Right access:	Acesso Aberto
Appears in Collections:	Ciência da Computação

Files in This Item:

File	Description	Size	Format
LTSilva.pdf		801.27 kB	Adobe PDF	View/Open

Show full item record Recommend this item View Statistics

Pantheon Institutional repository