Mostrar registro simples

dc.contributor.authorMoreira, Paulo Sergio da Conceiçãopt_BR
dc.contributor.otherTsunoda, Denise Fukumi, 1972-pt_BR
dc.contributor.otherUniversidade Federal do Paraná. Setor de Ciências Sociais Aplicadas. Programa de Pós-Graduação em Gestão da Informaçãopt_BR
dc.date.accessioned2020-03-03T19:25:47Z
dc.date.available2020-03-03T19:25:47Z
dc.date.issued2019pt_BR
dc.identifier.urihttps://hdl.handle.net/1884/65718
dc.descriptionOrientadora: Profa. Dra. Denise Fukumi Tsunodapt_BR
dc.descriptionDissertação (mestrado) - Universidade Federal do Paraná, Setor de Ciências Sociais Aplicadas, Programa de Pós-Graduação em Gestão da Informação. Defesa : Curitiba, 25/10/2019pt_BR
dc.descriptionInclui referências: p. 100-122pt_BR
dc.description.abstractResumo: A partir da noção de que metadados tradicionais, como autoria artística e título da melodia, são insuficientes para a gestão das informações musicais, esta pesquisa objetiva reconhecer emoções em músicas por meio da aplicação de sistemas neurofuzzy. Caracterizada como pesquisa exploratória de abordagem quantitativa, analisa um corpus de 877 arquivos MP3 com trinta segundos de duração cada, coletados diretamente na plataforma YouTube, como representativos das emoções básicas "raiva", "medo", "felicidade", "tristeza" e "surpresa". Como método de classificação, aplica a estrutura Adaptive Neuro-Fuzzy Inference System (ANFIS) em quatro estratégias constituídas por conjuntos com cinco, quatro, três e duas emoções. Devido à complexidade computacional da estrutura ANFIS, elabora uma etapa de redução de atributos com o método de seleção de atributos Correlation-based Feature Selection (CFS), que resulta em conjuntos específicos para cada cenário proposto. Avalia promissores os resultados obtidos, principalmente os referentes às estratégias para três e duas emoções, cujas maiores taxas de acerto são 65,83% para as emoções "raiva", "felicidade" e "tristeza", e 88,75% para a classificação entre "raiva" e "tristeza". Observa redução na taxa de acerto quando as emoções "medo" e "felicidade" compõem o mesmo conjunto, levantando a hipótese de que somente o conteúdo do áudio não seja o suficiente para a distinção das emoções. Verifica que, das emoções básicas, a associação entre música e a emoção "nojo" é de difícil compreensão. Com base nos resultados, identifica potencial na aplicação de sistemas neuro-fuzzy para problemas que apresentam incertezas e subjetividade. Palavras-chave: Reconhecimento de emoções em músicas. Sistemas neuro-fuzzy. Gestão de informações musicais. Recuperação de informação musical.pt_BR
dc.description.abstractAbstract: Due to traditional metadata such as the artist names and song titles are insufficient for music information management, this research aims to music emotion recognition through the application of neuro-fuzzy systems. Characterized as exploratory research with a quantitative approach, it analyzes a corpus of 877 thirtysecond MP3 files collected directly on the YouTube platform as representative of the basic emotions: anger, fear, happiness, sadness, and surprise. It applies the Adaptive Neuro-Fuzzy Inference System (ANFIS) structure as a classification method in four strategies consisting of sets with five, four, three, and two emotions. Owing to the computational complexity of the ANFIS structure, it elaborates an attribute reduction step with the Correlation-based Feature Selection (CFS) attribute selection method, which results in specific sets for each proposed scenario. The results obtained are promising, especially those concerning three and two emotions strategies, whose best results are 65.83% for the emotions anger, happiness, and sadness and 88.75% for the classification between anger and sadness. It observed a reduction in results when fear and happiness make up the same set, raising the possibility that only the audio content is not enough to distinguish emotions. It seems that the basic emotions, the relationship "music and disgust" emotion is hard to understand. Based on the results, it identifies potential in the application of neuro-fuzzy systems to problems that present uncertainties and subjectivity. Keywords: Music information retrieval. Neuro-fuzzy systems. Music emotion recognition. Music information management.pt_BR
dc.format.extent179 p. : il. (algumas color.).pt_BR
dc.format.mimetypeapplication/pdfpt_BR
dc.languagePortuguêspt_BR
dc.subjectGerenciamento da informaçãopt_BR
dc.subjectRecuperação da informaçãopt_BR
dc.subjectMúsicapt_BR
dc.subjectCiência da Informaçãopt_BR
dc.titleReconhecimento de emoções em músicas por meio de sistemas neuro-fuzzypt_BR
dc.typeDissertação Digitalpt_BR


Arquivos deste item

Thumbnail

Este item aparece na(s) seguinte(s) coleção(s)

Mostrar registro simples