Reconhecimento de emoções em músicas por meio de sistemas neuro-fuzzy

Detalhes bibliográficos
Autor(a) principal: Moreira, Paulo Sergio da Conceição
Data de Publicação: 2019
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFPR
Texto Completo: https://hdl.handle.net/1884/65718
Resumo: Orientadora: Profa. Dra. Denise Fukumi Tsunoda
id UFPR_dc737bb3550d0307237c6c026fef6b12
oai_identifier_str oai:acervodigital.ufpr.br:1884/65718
network_acronym_str UFPR
network_name_str Repositório Institucional da UFPR
repository_id_str 308
spelling Moreira, Paulo Sergio da ConceiçãoTsunoda, Denise Fukumi, 1972-Universidade Federal do Paraná. Setor de Ciências Sociais Aplicadas. Programa de Pós-Graduação em Gestão da Informação2020-03-03T19:25:47Z2020-03-03T19:25:47Z2019https://hdl.handle.net/1884/65718Orientadora: Profa. Dra. Denise Fukumi TsunodaDissertação (mestrado) - Universidade Federal do Paraná, Setor de Ciências Sociais Aplicadas, Programa de Pós-Graduação em Gestão da Informação. Defesa : Curitiba, 25/10/2019Inclui referências: p. 100-122Resumo: 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.Abstract: 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.179 p. : il. (algumas color.).application/pdfGerenciamento da informaçãoRecuperação da informaçãoMúsicaCiência da InformaçãoReconhecimento de emoções em músicas por meio de sistemas neuro-fuzzyinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisporreponame:Repositório Institucional da UFPRinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRinfo:eu-repo/semantics/openAccessORIGINALR - D - PAULO SERGIO DA CONCEICAO MOREIRA.pdfapplication/pdf3155784https://acervodigital.ufpr.br/bitstream/1884/65718/1/R%20-%20D%20-%20PAULO%20SERGIO%20DA%20CONCEICAO%20MOREIRA.pdf7ed36e6106c3a389fac565d989627c4aMD51open access1884/657182020-03-03 16:25:48.064open accessoai:acervodigital.ufpr.br:1884/65718Repositório de PublicaçõesPUBhttp://acervodigital.ufpr.br/oai/requestopendoar:3082020-03-03T19:25:48Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)false
dc.title.pt_BR.fl_str_mv Reconhecimento de emoções em músicas por meio de sistemas neuro-fuzzy
title Reconhecimento de emoções em músicas por meio de sistemas neuro-fuzzy
spellingShingle Reconhecimento de emoções em músicas por meio de sistemas neuro-fuzzy
Moreira, Paulo Sergio da Conceição
Gerenciamento da informação
Recuperação da informação
Música
Ciência da Informação
title_short Reconhecimento de emoções em músicas por meio de sistemas neuro-fuzzy
title_full Reconhecimento de emoções em músicas por meio de sistemas neuro-fuzzy
title_fullStr Reconhecimento de emoções em músicas por meio de sistemas neuro-fuzzy
title_full_unstemmed Reconhecimento de emoções em músicas por meio de sistemas neuro-fuzzy
title_sort Reconhecimento de emoções em músicas por meio de sistemas neuro-fuzzy
author Moreira, Paulo Sergio da Conceição
author_facet Moreira, Paulo Sergio da Conceição
author_role author
dc.contributor.other.pt_BR.fl_str_mv Tsunoda, Denise Fukumi, 1972-
Universidade Federal do Paraná. Setor de Ciências Sociais Aplicadas. Programa de Pós-Graduação em Gestão da Informação
dc.contributor.author.fl_str_mv Moreira, Paulo Sergio da Conceição
dc.subject.por.fl_str_mv Gerenciamento da informação
Recuperação da informação
Música
Ciência da Informação
topic Gerenciamento da informação
Recuperação da informação
Música
Ciência da Informação
description Orientadora: Profa. Dra. Denise Fukumi Tsunoda
publishDate 2019
dc.date.issued.fl_str_mv 2019
dc.date.accessioned.fl_str_mv 2020-03-03T19:25:47Z
dc.date.available.fl_str_mv 2020-03-03T19:25:47Z
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 https://hdl.handle.net/1884/65718
url https://hdl.handle.net/1884/65718
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 179 p. : il. (algumas color.).
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPR
instname:Universidade Federal do Paraná (UFPR)
instacron:UFPR
instname_str Universidade Federal do Paraná (UFPR)
instacron_str UFPR
institution UFPR
reponame_str Repositório Institucional da UFPR
collection Repositório Institucional da UFPR
bitstream.url.fl_str_mv https://acervodigital.ufpr.br/bitstream/1884/65718/1/R%20-%20D%20-%20PAULO%20SERGIO%20DA%20CONCEICAO%20MOREIRA.pdf
bitstream.checksum.fl_str_mv 7ed36e6106c3a389fac565d989627c4a
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)
repository.mail.fl_str_mv
_version_ 1801860927367151616

Registros relacionados