Inferencia gramatical : aplicações em composição algorítmica para modelagem de sequencia de acordes.

Detalhes bibliográficos
Autor(a) principal: Lopes, Henrique Barros
Data de Publicação: 2024
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da UFOP
Texto Completo: https://www.repositorio.ufop.br/handle/123456789/18205
Resumo: Programa de Pós-Graduação em Ciência da Computação. Departamento de Ciência da Computação, Instituto de Ciências Exatas e Biológicas, Universidade Federal de Ouro Preto.
id UFOP_81aebd4dec6bebf6abb4c72b2a2ff25e
oai_identifier_str oai:repositorio.ufop.br:123456789/18205
network_acronym_str UFOP
network_name_str Repositório Institucional da UFOP
repository_id_str 3233
spelling Inferencia gramatical : aplicações em composição algorítmica para modelagem de sequencia de acordes.Grammatical inference : applications on algorithmic composition for chord sequence modeling.Inferência gramaticalGramática livre de contexto probabilísticaMachine learningLema do bombeamentoPrograma de Pós-Graduação em Ciência da Computação. Departamento de Ciência da Computação, Instituto de Ciências Exatas e Biológicas, Universidade Federal de Ouro Preto.Inferência Gramatical é uma área amplamente estudada que utiliza algoritmos para inferir uma gramatica formal. As gramáticas inferidas podem ser aplicadas em uma grande vari- edade de áreas, como Linguística Computacional e Composição algorítmica. A literatura carece de algoritmos que tentam inferir Gramaticas Livres de Contexto Probabilísticas, ou mais expressivas. Para as primeiras, a literatura pode se beneficiar de algoritmos que tentam identificar as estruturas internas de uma gramatica. Na Composição Algorítmica, estudos re- centes mostraram que Modelos Ocultos de Markov podem superar Cadeias de Markov em termos de acurácia, porém não há diferenças significativas entre Modelos Ocultos de Markov e Gramaticas Livres de Contexto Probabilísticas (GLCPs). Nao há resultados na literatura que comprovam se inferir probabilidades sensíveis ao contexto podem superar ambas gramaticas. Este trabalho possui duas principais frentes, elaborar algoritmos de Inferência Gramatical e aplicar as gramaticas inferidas na área de Composição Algorítmica. Neste trabalho, desenvol- vemos um novo algoritmo para inferência de Gramáticas Livres de Contexto Probabilísticas chamado Pumping Inference. Ele foi capaz de inferir as linguagens Dyck-n e um subcon- junto da base de dados CoNLL-2003 com acurácia de predição melhor que a Amostragem de Gibbs. Na Composição Algorítmica, aplicamos um algoritmo de Amostragem de Gibbs para inferir Gramaticas (k, l)-Sensíveis ao Contexto Probabilísticas (G(k, l)CSPs) para mode- lar sequencia de acordes musicais. Nossos resultados mostram que a Amostragem de Gibbs e G(k, l)CSPs podem superar GLCPs e o algoritmo de busca de distribuição de probabilidades Metropolis-Hastings com perplexidades até 48% menores em media (valor-p 0,0026).Grammatical Inference is a large studied area that uses algorithms to infer a formal gram- mar. The inferred grammars can be applied in a wide variaty of fields, like Computional Linguistics and Computer Music. The literature lacks of algorithm to infer Probabilistic Context-Free Grammars, or more expressive grammars. For the former one, it could bene- fit from new algorithm capable of identify grammar structures. In Computer Music, recent studies show that Hidden Markov Models can outperform Markov Models in terms of accu- racy, but there are no significant differences between Hidden Markov Models and Probabilistic Context-Free Grammars (PCFGs). This work has two main fronts, to develop Grammatical Inference algorithms and Computer Music models. In this work, we develop a new Probabi- listic Context-Free Grammar inference algorithm, called Pumping Inference. It was capable of infer the Dyck-n languages and the CoNLL-2003 data set with smaller prediction accuracy than the Gibbs Sampling. In Computer Music, this work applies a Gibbs Sampling algorithm to infer Probabilistic (k, l)-Context-Sensitive Grammars (P(k, l)CSGs) to model the genera- tion of chord sequences. Our results show Gibbs Sampling and P(k, l)CSGs can improve on PCFGs and the Metropolis-Hastings algorithm with perplexity values that are 48% lower on average (p-value 0.0026).Moreira, Gladston Juliano PratesRibeiro, Rodrigo GeraldoMoreira, Gladston Juliano PratesRibeiro, Rodrigo GeraldoSilva, Ivair RamosSantos, Valéria de CarvalhoWanner, Elizabeth FialhoOttoni, Amanda Gonçalves SaraivaLopes, Henrique Barros2024-08-05T20:40:30Z2024-08-05T20:40:30Z2024info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfLOPES, Henrique Barros. Inferencia gramatical: aplicações em composição algorítmica para modelagem de sequencia de acordes. 2024. 145 f. Tese (Doutorado em Ciência da Computação) - Instituto de Ciências Exatas e Biológicas, Universidade Federal de Ouro Preto, Ouro Preto, 2024.https://www.repositorio.ufop.br/handle/123456789/18205Attribution-NonCommercial-NoDerivs 3.0 United Stateshttp://creativecommons.org/licenses/by-nc-nd/3.0/us/Autorização concedida ao Repositório Institucional da UFOP pelo(a) autor(a) em 10/05/2024 com as seguintes condições: disponível sob Licença Creative Commons 4.0 que permite copiar, distribuir e transmitir o trabalho, desde que sejam citados o autor e o licenciante. Não permite o uso para fins comerciais nem a adaptação.info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFOPinstname:Universidade Federal de Ouro Preto (UFOP)instacron:UFOP2024-08-05T20:40:35Zoai:repositorio.ufop.br:123456789/18205Repositório InstitucionalPUBhttp://www.repositorio.ufop.br/oai/requestrepositorio@ufop.edu.bropendoar:32332024-08-05T20:40:35Repositório Institucional da UFOP - Universidade Federal de Ouro Preto (UFOP)false
dc.title.none.fl_str_mv Inferencia gramatical : aplicações em composição algorítmica para modelagem de sequencia de acordes.
Grammatical inference : applications on algorithmic composition for chord sequence modeling.
title Inferencia gramatical : aplicações em composição algorítmica para modelagem de sequencia de acordes.
spellingShingle Inferencia gramatical : aplicações em composição algorítmica para modelagem de sequencia de acordes.
Lopes, Henrique Barros
Inferência gramatical
Gramática livre de contexto probabilística
Machine learning
Lema do bombeamento
title_short Inferencia gramatical : aplicações em composição algorítmica para modelagem de sequencia de acordes.
title_full Inferencia gramatical : aplicações em composição algorítmica para modelagem de sequencia de acordes.
title_fullStr Inferencia gramatical : aplicações em composição algorítmica para modelagem de sequencia de acordes.
title_full_unstemmed Inferencia gramatical : aplicações em composição algorítmica para modelagem de sequencia de acordes.
title_sort Inferencia gramatical : aplicações em composição algorítmica para modelagem de sequencia de acordes.
author Lopes, Henrique Barros
author_facet Lopes, Henrique Barros
author_role author
dc.contributor.none.fl_str_mv Moreira, Gladston Juliano Prates
Ribeiro, Rodrigo Geraldo
Moreira, Gladston Juliano Prates
Ribeiro, Rodrigo Geraldo
Silva, Ivair Ramos
Santos, Valéria de Carvalho
Wanner, Elizabeth Fialho
Ottoni, Amanda Gonçalves Saraiva
dc.contributor.author.fl_str_mv Lopes, Henrique Barros
dc.subject.por.fl_str_mv Inferência gramatical
Gramática livre de contexto probabilística
Machine learning
Lema do bombeamento
topic Inferência gramatical
Gramática livre de contexto probabilística
Machine learning
Lema do bombeamento
description Programa de Pós-Graduação em Ciência da Computação. Departamento de Ciência da Computação, Instituto de Ciências Exatas e Biológicas, Universidade Federal de Ouro Preto.
publishDate 2024
dc.date.none.fl_str_mv 2024-08-05T20:40:30Z
2024-08-05T20:40:30Z
2024
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv LOPES, Henrique Barros. Inferencia gramatical: aplicações em composição algorítmica para modelagem de sequencia de acordes. 2024. 145 f. Tese (Doutorado em Ciência da Computação) - Instituto de Ciências Exatas e Biológicas, Universidade Federal de Ouro Preto, Ouro Preto, 2024.
https://www.repositorio.ufop.br/handle/123456789/18205
identifier_str_mv LOPES, Henrique Barros. Inferencia gramatical: aplicações em composição algorítmica para modelagem de sequencia de acordes. 2024. 145 f. Tese (Doutorado em Ciência da Computação) - Instituto de Ciências Exatas e Biológicas, Universidade Federal de Ouro Preto, Ouro Preto, 2024.
url https://www.repositorio.ufop.br/handle/123456789/18205
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv Attribution-NonCommercial-NoDerivs 3.0 United States
http://creativecommons.org/licenses/by-nc-nd/3.0/us/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Attribution-NonCommercial-NoDerivs 3.0 United States
http://creativecommons.org/licenses/by-nc-nd/3.0/us/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFOP
instname:Universidade Federal de Ouro Preto (UFOP)
instacron:UFOP
instname_str Universidade Federal de Ouro Preto (UFOP)
instacron_str UFOP
institution UFOP
reponame_str Repositório Institucional da UFOP
collection Repositório Institucional da UFOP
repository.name.fl_str_mv Repositório Institucional da UFOP - Universidade Federal de Ouro Preto (UFOP)
repository.mail.fl_str_mv repositorio@ufop.edu.br
_version_ 1813002842309394432