Análise e Classificação de Gêneros Musicais com Base em Letras de Músicas
Resumo
Este artigo apresenta uma metodologia para classificar gêneros musicais com base nas letras das músicas. Utilizando métodos como o SVM, Random Forest e Naive Bayes, investigamos duas abordagens de representação das letras: uma empregando atributos específicos desenvolvidos para este estudo e outra utilizando a técnica "Bag of Words". Além disso, realizamos uma análise comparativa entre a classificação hierárquica, levando em consideração a hierarquia dos gêneros musicais, e a classificação original do conjunto de dados. Os resultados possibilitam a detecção de gêneros e compreensão de elementos específicos dos gêneros no conjunto de dados, além de contribuir para o campo da recuperação de informações musicais.
Palavras-chave:
Aprendizado de Máquina, Análise de classificação de gêneros de música, RandomForest, SVM, Naive Bayes, Classificação hierárquica
Referências
(2018). Kaggle. [link]. Acessado em: 2019-10-30.
(2020). Metrolyrics. [link]. Acessado em: 2019-10-30.
(2020). Repositório dos atributos coletados. [link]. Acessado em: 2023-05-26.
Akiba, T., Sano, S., Yanase, T., Ohta, T., and Koyama, M. (2019). Optuna: A next-generation hyperparameter optimization framework. In Proceedings of the 25rd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining.
Baeza-Yates, R. and Ribeiro-neto, B. (1999). Modern information retrieval.
Clark, L. and Tellegen, A. (1999). On the dimensional and hierarchical structure of affect. Lee Anna Clark, 10.
Hall, M., Frank, E., Holmes, G., Pfahringer, B., Reutemann, P., and Witten, I. H. (2009). The WEKA data mining software: an update. SIGKDD Explorations, 11(1):10–18.
Hsu, C.-w., Chang, C.-c., and Lin, C.-J. (2003). A practical guide to support vector classification chih-wei hsu, chih-chung chang, and chih-jen lin.
Martín-Gomez, L. and Navarro Cáceres, M. (2018). Applying data mining for sentiment analysis in music. pages 198–205.
Mayer, R. and Rauber, A. (2011). Music genre classification by ensembles of audio and lyrics features. In ISMIR.
Mayer, R., Neumayer, R., and Rauber, A. (2008). Rhyme and style features for musical genre classification by song lyrics. pages 337–342.
McKinney, M., Breebaart, J., and (wy, P. (2003). Features for audio and music classification.
Nakano, F. K., Pinto, W., Pappa, G., and Cerri, R. (2017). Top-down strategies for hierarchical classification of transposable elements with neural networks. pages 2539–2546.
Oh, S. (2017). Top-k hierarchical classification. In AAAI Conference on Artificial Intelligence.
Parmezan, A., Silva, D., and Batista, G. (2020). A combination of local approaches for hierarchical music genre classification.
Pedregosa, F., Varoquaux, G., Gramfort, A., Michel, V., Thirion, B., Grisel, O., Blondel, M., Prettenhofer, P., Weiss, R., Dubourg, V., Vanderplas, J., Passos, A., Cournapeau, D., Brucher, M., Perrot, M., and Duchesnay, E. (2011). Scikit-learn: Machine learning in Python. Journal of Machine Learning Research, 12:2825–2830.
Russell, S. J. and Norvig, P. (2002). Artificial Intelligence: A Modern Approach (2nd Edition). Prentice Hall.
Tsaptsinos, A. (2017). Lyrics-based music genre classification using a hierarchical attention network.
Yang, D. and Lee, W.-S. (2010). Music emotion identification from lyrics. pages 624 - 629.
(2020). Metrolyrics. [link]. Acessado em: 2019-10-30.
(2020). Repositório dos atributos coletados. [link]. Acessado em: 2023-05-26.
Akiba, T., Sano, S., Yanase, T., Ohta, T., and Koyama, M. (2019). Optuna: A next-generation hyperparameter optimization framework. In Proceedings of the 25rd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining.
Baeza-Yates, R. and Ribeiro-neto, B. (1999). Modern information retrieval.
Clark, L. and Tellegen, A. (1999). On the dimensional and hierarchical structure of affect. Lee Anna Clark, 10.
Hall, M., Frank, E., Holmes, G., Pfahringer, B., Reutemann, P., and Witten, I. H. (2009). The WEKA data mining software: an update. SIGKDD Explorations, 11(1):10–18.
Hsu, C.-w., Chang, C.-c., and Lin, C.-J. (2003). A practical guide to support vector classification chih-wei hsu, chih-chung chang, and chih-jen lin.
Martín-Gomez, L. and Navarro Cáceres, M. (2018). Applying data mining for sentiment analysis in music. pages 198–205.
Mayer, R. and Rauber, A. (2011). Music genre classification by ensembles of audio and lyrics features. In ISMIR.
Mayer, R., Neumayer, R., and Rauber, A. (2008). Rhyme and style features for musical genre classification by song lyrics. pages 337–342.
McKinney, M., Breebaart, J., and (wy, P. (2003). Features for audio and music classification.
Nakano, F. K., Pinto, W., Pappa, G., and Cerri, R. (2017). Top-down strategies for hierarchical classification of transposable elements with neural networks. pages 2539–2546.
Oh, S. (2017). Top-k hierarchical classification. In AAAI Conference on Artificial Intelligence.
Parmezan, A., Silva, D., and Batista, G. (2020). A combination of local approaches for hierarchical music genre classification.
Pedregosa, F., Varoquaux, G., Gramfort, A., Michel, V., Thirion, B., Grisel, O., Blondel, M., Prettenhofer, P., Weiss, R., Dubourg, V., Vanderplas, J., Passos, A., Cournapeau, D., Brucher, M., Perrot, M., and Duchesnay, E. (2011). Scikit-learn: Machine learning in Python. Journal of Machine Learning Research, 12:2825–2830.
Russell, S. J. and Norvig, P. (2002). Artificial Intelligence: A Modern Approach (2nd Edition). Prentice Hall.
Tsaptsinos, A. (2017). Lyrics-based music genre classification using a hierarchical attention network.
Yang, D. and Lee, W.-S. (2010). Music emotion identification from lyrics. pages 624 - 629.
Publicado
25/09/2023
Como Citar
FERREIRA, Barbara P. J. M.; DALIP, Daniel H.; SILVA, Ismael S..
Análise e Classificação de Gêneros Musicais com Base em Letras de Músicas. In: SIMPÓSIO BRASILEIRO DE BANCO DE DADOS (SBBD), 38. , 2023, Belo Horizonte/MG.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2023
.
p. 39-50.
ISSN 2763-8979.
DOI: https://doi.org/10.5753/sbbd.2023.232425.
