Um modelo para previsão do sucesso no mercado musical

Detalhes bibliográficos
Autor(a) principal: Araújo, Carlos Vicente Soares
Data de Publicação: 2019
Outros Autores: http://lattes.cnpq.br/3512350306763354
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da UFAM
Texto Completo: https://tede.ufam.edu.br/handle/tede/7572
Resumo: O mercado musical é extremamente competitivo e movimenta bilhões de dólares todos os anos. Só nos Estados Unidos, existem mais de 1400 selos musicais atualmente registrados. Destacar-se nesse cenário é uma árdua missão. Neste trabalho, apresentamos um modelo de previsão do sucesso no mercado musical que pode ser usado por artistas e gravadoras para focar seus esforços em músicas com maior tendência a obter retorno comercial. O modelo proposto utiliza informações sobre as músicas para prever, antes mesmo de seus lançamentos, se irão ou não aparecer no ranking Top 50 Global da plataforma de streaming Spotify. Para validação do modelo, nós adotamos como baseline o trabalho mais semelhante ao nosso já estabelecido na literatura científica. Esse baseline utiliza o mesmo tipo de informação que utilizamos, mas com uma abordagem distinta em relação à preparação da base. Nossos resultados chegaram a ser 920% superiores aos obtidos pelo baseline.
id UFAM_127a1422e6d0e55ed071dd314c1f4600
oai_identifier_str oai:https://tede.ufam.edu.br/handle/:tede/7572
network_acronym_str UFAM
network_name_str Biblioteca Digital de Teses e Dissertações da UFAM
repository_id_str 6592
spelling Um modelo para previsão do sucesso no mercado musicalAprendizado do computadorIndústria musicalSucesso - PrevisãoCIÊNCIAS EXATAS E DA TERRA: CIÊNCIA DA COMPUTAÇÃOSucesso musicalAprendizagem de máquinaHit song scienceO mercado musical é extremamente competitivo e movimenta bilhões de dólares todos os anos. Só nos Estados Unidos, existem mais de 1400 selos musicais atualmente registrados. Destacar-se nesse cenário é uma árdua missão. Neste trabalho, apresentamos um modelo de previsão do sucesso no mercado musical que pode ser usado por artistas e gravadoras para focar seus esforços em músicas com maior tendência a obter retorno comercial. O modelo proposto utiliza informações sobre as músicas para prever, antes mesmo de seus lançamentos, se irão ou não aparecer no ranking Top 50 Global da plataforma de streaming Spotify. Para validação do modelo, nós adotamos como baseline o trabalho mais semelhante ao nosso já estabelecido na literatura científica. Esse baseline utiliza o mesmo tipo de informação que utilizamos, mas com uma abordagem distinta em relação à preparação da base. Nossos resultados chegaram a ser 920% superiores aos obtidos pelo baseline.The music market is extremely competitive and moves billions of dollars every year. In the United States alone, there are over 1400 music labels currently registered. Standing out in this scenario is an arduous mission. In this dissertation, a model for success prediction in the music market is presented, which artists and record labels may use to direct their efforts into songs with higher potential to return profit. The proposed model makes avail of information about the songs to predict, even before their release, whether they will appear or not in the Top 50 Global ranking from the streaming platform Spotify. To validate this model, we chose as a baseline the most similar model already consolidated in the scientific literature. The baseline employs the kind of information we have employed in our model, but with a distinct approach with respect to the data preparation. Our results are 920% better than those achieved by the baseline.CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível SuperiorUniversidade Federal do AmazonasInstituto de ComputaçãoBrasilUFAMPrograma de Pós-graduação em InformáticaGiusti, Rafaelhttp://lattes.cnpq.br/0613781010575440Silva, Diego Furtadohttp://lattes.cnpq.br/7662777934692986Santos, Eulanda Miranda doshttp://lattes.cnpq.br/3054990742969890Araújo, Carlos Vicente Soareshttp://lattes.cnpq.br/35123503067633542019-12-19T12:24:50Z2019-12-13info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfARAÚJO, Carlos Vicente Soares. Um modelo para previsão do sucesso no mercado musical. 2019. 93 f. Dissertação (Mestrado em Informática) - Universidade Federal do Amazonas, Manaus, 2019.https://tede.ufam.edu.br/handle/tede/7572porhttp://creativecommons.org/licenses/by-nc-sa/4.0/info:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFAMinstname:Universidade Federal do Amazonas (UFAM)instacron:UFAM2019-12-20T05:03:43Zoai:https://tede.ufam.edu.br/handle/:tede/7572Biblioteca Digital de Teses e Dissertaçõeshttp://200.129.163.131:8080/PUBhttp://200.129.163.131:8080/oai/requestddbc@ufam.edu.br||ddbc@ufam.edu.bropendoar:65922019-12-20T05:03:43Biblioteca Digital de Teses e Dissertações da UFAM - Universidade Federal do Amazonas (UFAM)false
dc.title.none.fl_str_mv Um modelo para previsão do sucesso no mercado musical
title Um modelo para previsão do sucesso no mercado musical
spellingShingle Um modelo para previsão do sucesso no mercado musical
Araújo, Carlos Vicente Soares
Aprendizado do computador
Indústria musical
Sucesso - Previsão
CIÊNCIAS EXATAS E DA TERRA: CIÊNCIA DA COMPUTAÇÃO
Sucesso musical
Aprendizagem de máquina
Hit song science
title_short Um modelo para previsão do sucesso no mercado musical
title_full Um modelo para previsão do sucesso no mercado musical
title_fullStr Um modelo para previsão do sucesso no mercado musical
title_full_unstemmed Um modelo para previsão do sucesso no mercado musical
title_sort Um modelo para previsão do sucesso no mercado musical
author Araújo, Carlos Vicente Soares
author_facet Araújo, Carlos Vicente Soares
http://lattes.cnpq.br/3512350306763354
author_role author
author2 http://lattes.cnpq.br/3512350306763354
author2_role author
dc.contributor.none.fl_str_mv Giusti, Rafael
http://lattes.cnpq.br/0613781010575440
Silva, Diego Furtado
http://lattes.cnpq.br/7662777934692986
Santos, Eulanda Miranda dos
http://lattes.cnpq.br/3054990742969890
dc.contributor.author.fl_str_mv Araújo, Carlos Vicente Soares
http://lattes.cnpq.br/3512350306763354
dc.subject.por.fl_str_mv Aprendizado do computador
Indústria musical
Sucesso - Previsão
CIÊNCIAS EXATAS E DA TERRA: CIÊNCIA DA COMPUTAÇÃO
Sucesso musical
Aprendizagem de máquina
Hit song science
topic Aprendizado do computador
Indústria musical
Sucesso - Previsão
CIÊNCIAS EXATAS E DA TERRA: CIÊNCIA DA COMPUTAÇÃO
Sucesso musical
Aprendizagem de máquina
Hit song science
description O mercado musical é extremamente competitivo e movimenta bilhões de dólares todos os anos. Só nos Estados Unidos, existem mais de 1400 selos musicais atualmente registrados. Destacar-se nesse cenário é uma árdua missão. Neste trabalho, apresentamos um modelo de previsão do sucesso no mercado musical que pode ser usado por artistas e gravadoras para focar seus esforços em músicas com maior tendência a obter retorno comercial. O modelo proposto utiliza informações sobre as músicas para prever, antes mesmo de seus lançamentos, se irão ou não aparecer no ranking Top 50 Global da plataforma de streaming Spotify. Para validação do modelo, nós adotamos como baseline o trabalho mais semelhante ao nosso já estabelecido na literatura científica. Esse baseline utiliza o mesmo tipo de informação que utilizamos, mas com uma abordagem distinta em relação à preparação da base. Nossos resultados chegaram a ser 920% superiores aos obtidos pelo baseline.
publishDate 2019
dc.date.none.fl_str_mv 2019-12-19T12:24:50Z
2019-12-13
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv ARAÚJO, Carlos Vicente Soares. Um modelo para previsão do sucesso no mercado musical. 2019. 93 f. Dissertação (Mestrado em Informática) - Universidade Federal do Amazonas, Manaus, 2019.
https://tede.ufam.edu.br/handle/tede/7572
identifier_str_mv ARAÚJO, Carlos Vicente Soares. Um modelo para previsão do sucesso no mercado musical. 2019. 93 f. Dissertação (Mestrado em Informática) - Universidade Federal do Amazonas, Manaus, 2019.
url https://tede.ufam.edu.br/handle/tede/7572
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Federal do Amazonas
Instituto de Computação
Brasil
UFAM
Programa de Pós-graduação em Informática
publisher.none.fl_str_mv Universidade Federal do Amazonas
Instituto de Computação
Brasil
UFAM
Programa de Pós-graduação em Informática
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFAM
instname:Universidade Federal do Amazonas (UFAM)
instacron:UFAM
instname_str Universidade Federal do Amazonas (UFAM)
instacron_str UFAM
institution UFAM
reponame_str Biblioteca Digital de Teses e Dissertações da UFAM
collection Biblioteca Digital de Teses e Dissertações da UFAM
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFAM - Universidade Federal do Amazonas (UFAM)
repository.mail.fl_str_mv ddbc@ufam.edu.br||ddbc@ufam.edu.br
_version_ 1809732038059622400

Registros relacionados