Mineração de dados aplicada à classificação automática de gêneros musicais

Autores

  • Paulo Sergio da Conceição Moreira UFPR
  • Denise Fukumi Tsunoda Universidade Federal do Paraná

DOI:

https://doi.org/10.5335/rbca.v11i3.9157

Palavras-chave:

Algoritmos, Classificação Automática, Gêneros Musicais, Mineração de Dados

Resumo

Tem por objetivo classificar gêneros musicais automaticamente por meio de algoritmos de Mineração de Dados, considerando descritores extraídos do sinal de áudio. Identifica na Last.fm as 150 músicas mais populares de sete gêneros musicais (Rock, Jazz, POP, Música Clássica, MPB, Heavy Metal e Samba). Mediante a extração de descritores relacionados ao sinal de áudio destas músicas, aplica os algoritmos Random Forest; Bayes Net; C4.5; KNN e as estratégias Bagging e Boosting para a classificação. Obtém como melhor resultado 66,67% de acerto com o algoritmo C4.5 para classificação entre Samba e MPB. Constata que a classificação de gêneros musicais se apresenta como um "problema interessante" para estudos que envolvem técnicas de Machine Learning. Estimula a continuidade de estudos semelhantes aplicando algoritmos baseados em Redes Neurais e Algoritmos Genéticos.

Downloads

Não há dados estatísticos.

Downloads

Publicado

10-09-2019

Como Citar

[1]
Moreira, P.S. da C. e Tsunoda, D.F. 2019. Mineração de dados aplicada à classificação automática de gêneros musicais. Revista Brasileira de Computação Aplicada. 11, 3 (set. 2019), 47-58. DOI:https://doi.org/10.5335/rbca.v11i3.9157.

Edição

v. 11 n. 3 (2019): Novembro/2019

Seção

Artigo Original

Licença

Licença Creative Commons
Todos os artigos estão licenciados com a licença Creative Commons Atribuição-NãoComercial-SemDerivações 4.0 Internacional. Autores que publicam nesta revista concordam com os seguintes termos:
a) Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
b) Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
c) Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).