Título: Métodos de Aprendizado de Máquina Aplicados ao Reconhecimento Autoral e Temporal de Bandas de Rock and Roll
Autores: Oliver Cabral Jorge, Heitor Silvério Lopes
Resumo: Embalando gerações desde o final da década de 40, o Rock and Roll é um dos estilos musicais mais conhecidos mundialmente, com diversas melodias de sucesso e mensagens que influenciaram gerações. Músicas podem ser traduzidas como sequências vibratórias numéricas e, portanto, apresentam padrões interpretáveis por métodos computacionais. Este artigo apresenta técnicas de Mineração de Dados utilizadas para identificação autoral e temporal de músicas de cinco bandas famosas de Rock and Roll. Foram extraídos 34 metadados de arquivos digitais de toda a discografia das bandas. As informações coletadas foram redimensionalizadas em um campo bi-dimensional com o algoritmo t-SNE para agrupamento e identificação de coerência de produção artística por banda para, enfim, serem aplicados quatro métodos de classificação de dados: por árvore de decisão, regras de classificação baseado em exceções, regras de classificação de acurácia máxima e redes neurais. Os resultados identificaram que acurácia e compreensibilidade humana são inversamente proporcionais, obtendo 81,1% como a melhor taxa de acerto para regras de classificação, contra 94,7% para redes neurais nos testes de classificação autoral. Nos testes de classificação temporal as taxas foram de 80,0% para regras de classificação contra 90,2% para redes neurais. Ao final deste artigo percebeu-se que os resultados obtidos são diretamente influenciados pela constância na produção das bandas ao longo de sua atividade profissional, havendo melhor taxa de acerto para aquelas bandas cujas músicas produzidas são mais coerentes entre sí.
Palavras-chave: Classificação de Dados, Rock and Roll, Estilos Musicais, Reconhecimento de Padrões
Páginas: 6
Código DOI: 10.21528/CBIC2019-108
Artigo em pdf: CBIC2019-108.pdf
Arquivo BibTeX: CBIC2019-108.bib