| Nome: | Descrição: | Tamanho: | Formato: | |
|---|---|---|---|---|
| 1.2 MB | Adobe PDF |
Autores
Orientador(es)
Resumo(s)
A Recuperação da Informação Musical (Music Information Retrieval - MIR) é uma área de investigação focada na organização e análise de informação extraída de música. Dentro deste domínio, o Reconhecimento de Emoções em Música (Music Emotion Recognition - MER) procura identificar as emoções expressas, nomeadamente através das letras.
Este trabalho tem como principal objetivo explorar o contributo de características estilísticas, em particular metáforas, na deteção automática de emoções em letras de músicas, recorrendo a técnicas de Text Mining e Machine Learning. Para tal, foram desenvolvidos vários modelos de classificação para a deteção de metáforas, incluindo abordagens tradicionais e modelos de Deep Learning, como BERT e RoBERTa. O modelo que apresentou melhor desempenho foi o RoBERTa com fine-tuning, alcançando cerca de 92% de precisão na classificação de frases.
A partir deste modelo, foram extraídas features relacionadas com a presença e distribuição de metáforas nas letras, que foram posteriormente integradas com outras características previamente definidas. Estas features foram utilizadas em diferentes modelos de classificação para prever o quadrante emocional das músicas.
Os resultados demonstram uma ligeira melhoria no desempenho dos modelos tradicionais com a inclusão das features de metáforas. No entanto, nos modelos baseados em Deep Learning, verificou-se uma diminuição do desempenho na tarefa de classificação emocional.
Descrição
Palavras-chave
Recuperação da informação musical Reconhecimento de emoções em música Machine learning Deteção de metáforas Processamento de linguagem natural