Análise das Letras das Músicas Brasileiras mais Tocadas nas Rádios das Últimas Seis Décadas
Resumo
Este trabalho realizou uma análise das músicas mais tocadas nas rádios brasileiras em 6 décadas, de 1960 à 2019. O objetivo foi avaliar se houve diferença nas características das letras das músicas ao longo das décadas em relação ao nível de repetições de palavras e quantidades de palavras. Foram desenvolvidos componentes capazes de coletar as letras das músicas mais tocadas para o período determinado, realizar a tarefa de limpeza e processamento dos dados. Os resultados obtidos indicam uma grande variação nos estilos musicais ao longo das décadas, bem como um aumento significativo no número de palavras e no número médio de palavras repetidas nas letras. Foi possível perceber que as músicas brasileiras ficaram mais repetitivas nas últimas duas décadas, e que eram bem mais curtas na década de 60.
Palavras-chave:
Recuperação de informação musical, Processamento de Linguagem Natural, Web Scraping
Referências
Araujo, C., Cristo, M., and Giusti, R. (2019). Predicting music popularity on streaming platforms. In Anais do XVII Simpósio Brasileiro de Computação Musical, pages 141–148, Porto Alegre, RS, Brasil. SBC.
da Silva, A. C. M., Silva, D. F., and Marcacini, R. M. (2020). 4mula - a multitask, multimodal, and multilingual dataset of music lyrics and audio features. In Anais do XXVI Simpósio Brasileiro de Multimídia e Web, pages 305–308, Porto Alegre, RS, Brasil. SBC.
de Araujo Lima, R., de Sousa, R. C. C., Lopes, H., and Barbosa, S. D. J. (2020). Brazilian lyrics-based music genre classification using a BLSTM network. In International Conference on Artificial Intelligence and Soft Computing, pages 525–534. Springer.
de Melo Faria, F. L., Pereira Jr, A. R., and Merschmann, L. H. (2015). Prediction of artists’ rankings by regression. In SBSI, pages 95–102.
Pereira, P. G. (2015). As relações entre língua, cultura, música e o processo de ensino-aprendizagem de língua estrangeira. Revista Estudos Anglo-Americanos, (43):62–83.
Powell-Morse, A. (2015). Lyric intelligence in popular music: A ten year analysis. https://www.seatsmart.com/blog/lyric-intelligence/.
Ribeiro, R. and Silla, C. (2014). Recuperação inteligente de letras de músicas na web. In: Anais do XXXIII Concurso de Trabalhos de Iniciação Científica da SBC, pages 41–50. SBC.
Schedl, M., Gomez, E., and Urbano, J. (2014). Music information retrieval: Recent developments and applications. Foundations and Trends in Information Retrieval, 8:127–261.
Silva, M. O., de Alencar Rocha, L. M., and Moro, M. M. (2019). MusicOSet: An enhanced open dataset for music data mining. In XXXII Simpósio Brasileiro de Banco de Dados: Dataset Showcase Workshop, SBBD 2019 Companion, Fortaleza, CE, Brazil. SBC.
Solnyshkina, M., Zamaletdinov, R., Gorodetskaya, L., and Gabitov, A. (2017). Evaluating text complexity and flesch-kincaid grade level. Journal of Social Studies Education Research, 8(3):238–248.
da Silva, A. C. M., Silva, D. F., and Marcacini, R. M. (2020). 4mula - a multitask, multimodal, and multilingual dataset of music lyrics and audio features. In Anais do XXVI Simpósio Brasileiro de Multimídia e Web, pages 305–308, Porto Alegre, RS, Brasil. SBC.
de Araujo Lima, R., de Sousa, R. C. C., Lopes, H., and Barbosa, S. D. J. (2020). Brazilian lyrics-based music genre classification using a BLSTM network. In International Conference on Artificial Intelligence and Soft Computing, pages 525–534. Springer.
de Melo Faria, F. L., Pereira Jr, A. R., and Merschmann, L. H. (2015). Prediction of artists’ rankings by regression. In SBSI, pages 95–102.
Pereira, P. G. (2015). As relações entre língua, cultura, música e o processo de ensino-aprendizagem de língua estrangeira. Revista Estudos Anglo-Americanos, (43):62–83.
Powell-Morse, A. (2015). Lyric intelligence in popular music: A ten year analysis. https://www.seatsmart.com/blog/lyric-intelligence/.
Ribeiro, R. and Silla, C. (2014). Recuperação inteligente de letras de músicas na web. In: Anais do XXXIII Concurso de Trabalhos de Iniciação Científica da SBC, pages 41–50. SBC.
Schedl, M., Gomez, E., and Urbano, J. (2014). Music information retrieval: Recent developments and applications. Foundations and Trends in Information Retrieval, 8:127–261.
Silva, M. O., de Alencar Rocha, L. M., and Moro, M. M. (2019). MusicOSet: An enhanced open dataset for music data mining. In XXXII Simpósio Brasileiro de Banco de Dados: Dataset Showcase Workshop, SBBD 2019 Companion, Fortaleza, CE, Brazil. SBC.
Solnyshkina, M., Zamaletdinov, R., Gorodetskaya, L., and Gabitov, A. (2017). Evaluating text complexity and flesch-kincaid grade level. Journal of Social Studies Education Research, 8(3):238–248.
Publicado
04/10/2021
Como Citar
TRINDADE, Italo Lourenço; RESENDO, Leandro Colombi; ANDRADE, Jefferson Oliveira; KOMATI, Karin S..
Análise das Letras das Músicas Brasileiras mais Tocadas nas Rádios das Últimas Seis Décadas. In: WORKSHOP DE TRABALHOS DE ALUNOS DA GRADUAÇÃO (WTAG) - SIMPÓSIO BRASILEIRO DE BANCO DE DADOS (SBBD), 36. , 2021, Rio de Janeiro.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2021
.
p. 1-7.
DOI: https://doi.org/10.5753/sbbd_estendido.2021.18155.
