Mineração de dados aplicada à classificação automática de gêneros musicais

Abstract

Resumo : Estudo de natureza quantitativa que objetiva classificar gêneros musicais automaticamente por meio da aplicação de algoritmos de Mineração de Dados, considerando a análise de características extraídas do sinal de áudio. Identifica-se 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 domínio do tempo e da frequência destas músicas, constrói-se duas bases de dados: a primeira, considerando a duração original dos arquivos; a segunda, considerando a duração de 30 segundos para cada registro. Aplica-se os algoritmos Random Forest; Bayes Net; AdaBoost; Bagging; SVM e KNN para a tarefa de classificação. Obtém-se como melhor resultado 66,53% de acerto com a combinação dos algoritmos Bagging e Bayes Net. Constata-se que a classificação de gêneros musicais se apresenta como um "problema interessante" para estudos que envolvem técnicas de Aprendizagem de Máquina, uma vez que existem gêneros formados a partir da combinação de elementos de outros gêneros, o que dificulta a diferenciação destes. Estimula-se a continuidade de estudos semelhantes aplicando algoritmos baseados em Redes Neurais e Algoritmos Genéticos.