| |
| Acadêmico(a): Thomas Oelke Adriano |
| Título: MUSIC EMOTIONS INTEL: IDENTIFICADOR AUTOMÁTICO DE EMOÇÕES EM MÚSICAS |
| |
| Resumo: |
| Este trabalho apresenta o desenvolvimento de uma nova abordagem para a tarefa de identificação de emoções em músicas. Enquanto os métodos tradicionais de identificação de emoções em músicas se resumem em identificar uma emoção por música, este trabalho propõe, buscando uma maior assertividade, identificar um conjunto de emoções por música. Para atingir este objetivo, foi utilizada como base de treinamento o dataset 1000 Songs for Emotional Analisys of Music de Mohammad (2013), como conjunto de características de áudio foram utilizados Mel Frequency Cepstral Coefficients (MFCC), Spectral Centroid (SC), Zero Crossing Rate (ZCR), chromagram e tempogram, e, como algoritmo regressor o Support Vector Regression (SVR) com kernel Radial Basis Function (RBF). Como método de mapeamento emocional, foi utilizado o plano circumplexo de Russel (1980). O conjunto de características e o algoritmo regressor foram escolhidos com base no trabalho de Huq (2010). O resultado obtido com este trabalho foi mensurado tanto qualitativamente quanto quantitativamente. Com a análise qualitativa, pode-se observar que a representação de emoções utilizando um conjunto de emoções por música se adere melhor a realidade das músicas atuais do que a representação de apenas uma emoção por música. Para a análise quantitativa, fez-se uma comparação entre um valor mínimo de assertividade esperada com a assertividade obtida pela abordagem proposta por este trabalho. O valor mínimo de assertividade, isto é, o baseline, foi definido pelo Mean Absolute Error (MAE) entre os valores de Valência e Alerta esperados e a média deles. O resultado quantitativo mostrou espaço para melhorias, ficando abaixo do esperado. |
| |
|
