Mapeamento emocional: análise de músicas com uso de inteligência artificial

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorKowada, Luis Antonio-
Autor(es): dc.contributorCarvalho, Aline Marins Paes-
Autor(es): dc.contributorBernardini, Flavia-
Autor(es): dc.contributorCunha, Luís Felipe Ignácio-
Autor(es): dc.creatorAlves, Camila Ferreira-
Autor(es): dc.creatorMozart, Thiago Garcia-
Data de aceite: dc.date.accessioned2025-01-03T11:40:05Z-
Data de disponibilização: dc.date.available2025-01-03T11:40:05Z-
Data de envio: dc.date.issued2024-10-02-
Data de envio: dc.date.issued2024-10-02-
Fonte completa do material: dc.identifierhttps://app.uff.br/riuff/handle/1/34895-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/919418-
Descrição: dc.descriptionA música desempenha um papel fundamental na vida cotidiana, frequentemente utilizada para expressar emoções e, cada vez mais, em tratamentos terapêuticos. Este trabalho tem como principal objetivo desenvolver um modelo preditivo capaz de classificar emoções em trechos de músicas instrumentais, utilizando técnicas de aprendizado de máquina. A metodologia adotada envolve a realização de diversos experimentos utilizando três conjuntos de dados distintos, sendo um deles criado especificamente para esta pesquisa. Os experimentos foram conduzidos utilizando os modelos Floresta Aleatória, Perceptron Multicamadas e Rede Neural Convolucional. O conjunto de dados autoral foi desenvolvido através de um site interativo, onde o público foi convidado a rotular trechos musicais com base em cinco emoções: felicidade, tristeza, dramaticidade, romanticidade e agressividade. O site utilizou técnicas de gamificação para incentivar a participação dos usuários, resultando em uma coleta eficiente e diversificada de dados. Os resultados dos experimentos, realizados com um único dataset para testes e predição, foram geralmente positivos. No entanto, ao tentar generalizar os modelos utilizando conjuntos de dados diferentes dos originais, observou-se uma redução considerável na capacidade de generalização. Apesar disso, o trabalho apresenta resultados promissores, indicando que o aumento do número de dados de treino pode melhorar significativamente a capacidade de generalização dos modelos.-
Descrição: dc.descriptionMusic plays a fundamental role in daily human life, often used to express emotions and increasingly in therapeutic treatments. The primary objective of this work is to develop a predictive model capable of classifying emotions in excerpts of instrumental music using machine learning techniques. The adopted methodology involves conducting various experiments using three distinct datasets, one of which was created specifically for this research. The experiments were conducted using the models Random Forest, Multi-Layer Perceptron, and Convolutional Neural Network. The proprietary dataset was developed through an interactive website where the public was invited to label musical excerpts based on five emotions: Happiness, Sadness, Dramaticness, Romanticism, and Aggressiveness. The site utilized gamification techniques to encourage user participation, resulting in e cient and diverse data collection. The research was available for one month and had the participation of 164 users. The experimental results, conducted with a single dataset for testing and validation, were generally positive. However, when attempting to generalize the models using di erent datasets from the original ones, a considerable reduction in generalization capability was observed. Despite this, the work presents promising results, indicating that increasing the number of training data can significantly improve the generalization capability of the models.-
Descrição: dc.description63 f.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Direitos: dc.rightsOpen Access-
Direitos: dc.rightsCC-BY-SA-
Palavras-chave: dc.subjectAprendizado de máquina-
Palavras-chave: dc.subjectAnálise de emoções-
Palavras-chave: dc.subjectEmoções-
Palavras-chave: dc.subjectConjunto autoral-
Palavras-chave: dc.subjectAprendizado de máquina-
Palavras-chave: dc.subjectMúsica-
Palavras-chave: dc.subjectEmoção-
Palavras-chave: dc.subjectMachine learning-
Palavras-chave: dc.subjectEmotion analysis-
Palavras-chave: dc.subjectEmotions-
Palavras-chave: dc.subjectProprietary dataset-
Título: dc.titleMapeamento emocional: análise de músicas com uso de inteligência artificial-
Tipo de arquivo: dc.typeTrabalho de conclusão de curso-
Aparece nas coleções:Repositório Institucional da Universidade Federal Fluminense - RiUFF

Não existem arquivos associados a este item.