Proposta de base de dados para classificação automática de gêneros musicais brasileiros
pdf
html
xml

Palavras-chave

Base de Dados; Classificação de Gêneros Musicais; Gêneros Musicais; Música Brasileira; Recuperação de Informação Musical

Como Citar

Moreira, P. S. da C., & Tsunoda, D. F. (2021). Proposta de base de dados para classificação automática de gêneros musicais brasileiros. Revista Brasileira De Educação Em Ciência Da Informação, 8. https://doi.org/10.24208/rebecin.v8i.234

Resumo

Diante da quantidade de músicas disponíveis atualmente, classificar músicas manualmente é uma tarefa árdua. Neste sentido, a classificação automática de gêneros musicais é uma abordagem pertinente, auxiliando o processo de organização, pesquisa, recuperação e recomendação de músicas. Verifica que, apesar da existência de bases de dados tradicionais relacionadas à classificação de gêneros musicais, essas bases tendem a considerar gêneros tradicionais, como o Jazz e a Música Clássica, ignorando gêneros regionais, como os da cultura brasileira, por exemplo. Desse modo, o objetivo deste estudo é apresentar uma base de dados destinada à classificação automática de gêneros musicais brasileiros. Para tanto, utiliza o Spotify para identificar músicas relacionadas aos gêneros Axé, Bossa Nova, Brega, Choro, Forró, Frevo, Funk Carioca, Maracatu, Música Sertaneja, Pagode e Samba. Como resultado, desenvolve uma base de dados com 1.907 registros relacionados a esses gêneros, e estabelece comparação entre esta e outras seis bases de dados, identificando que a base proposta supera quatro bases em número de registros e consiste na mais abrangente em relação ao total de gêneros considerados. Por fim, disponibiliza a base para novos estudos, e incentiva a sua aplicação em pesquisas que envolvam heurísticas de Mineração de Dados e Deep Learning

https://doi.org/10.24208/rebecin.v8i.234
pdf
html
xml

Referências

AGUIAR, R. L.; COSTA, Y. M. G.; SILLA JR., C. N. Exploring data augmentation to improve music genre classification with ConvNets. In: INTERNATIONAL JOINT CONFERENCE ON NEURAL NETWORKS (IJCNN), 29., 2018, Rio de Janeiro. Proceedings [...] . Rio de Janeiro: IEEE, 2018, p. 1-8. Disponível em: https://doi.org/10.1109/IJCNN.2018.8489166. Acesso em: 17 mar. 2021.

FURINI, M. automatic music playlist generation based on music-programming of FM radios. In: ANNUAL CONSUMER COMMUNICATIONS & NETWORKING CONFERENCE (CCNC), 18., 2021, Las Vegas. Proceedings [...] . Las Vegas: IEEE, 2021, p. 1-4. Disponível em: https://doi.org/10.1109/CCNC49032.2021.9369526. Acesso em: 18 mar. 2021.

GOULART, A. J. H. et al. Music genre classification based on entropy and fractal lacunarity. In: IEEE INTERNATIONAL SYMPOSIUM ON MULTIMEDIA, 14., 2011, Dana Point. Proceedings [...] . Dana Point: IEEE, 2011, p. 533-536. Disponível em: https://doi.org/10.1109/ISM.2011.94. Acesso em: 19 mar. 2021.

HOMBURG, H. et al. A benchmark dataset for audio classification and clustering. In: INTERNATIONAL SOCIETY FOR MUSIC INFORMATION RETRIEVAL CONFERENCE, 6., 2005, Londres. Proceedings [...] . Londres: ISMIR, 2005, p. 528-531. Disponível em: https://archives.ismir.net/ismir2005/paper/000117.pdf. Acesso em: 17 mar. 2021.

LI, T.; OGIHARA, M.; LI, Q. A comparative study on content-based music genre classification. In: ACM SIGIR CONFERENCE ON RESEARCH AND DEVELOPMENT IN INFORMAION RETRIEVAL, 26., 2003, Toronto. Proceedings [...] . Toronto: ACM, 2003, p. 282-289. Disponível em: https://doi.org/10.1145/860435.860487. Acesso em: 18 mar. 2021.

LIU, C. et al. Bottom-up broadcast neural network for music genre classification. Multimedia Tools and Applications, v. 80, n. 5, p. 7313-7331, fev. 2021. Disponível em: https://doi.org/10.1007/s11042-020-09643-6. Acesso em: 17 mar. 2021.

MCKKAY, C.; MCENNIS, D.; FUJINAGA, I. A large publicly accessible prototype audio database for music research. In: INTERNATIONAL SOCIETY FOR MUSIC INFORMATION RETRIEVAL CONFERENCE, 7., 2006, Victoria. Proceedings [...] . Victoria: ISMIR, 2006, p. 1-4. Disponível em: http://www.music.mcgill.ca/~cmckay/NEMA/publications/ISMIR_2006_Codaich_jMusicMetaManager.pdf. Acesso em: 17 mar. 2021.

PEREIRA, R. M.; SILLA JR., C.N. Using simplified chords sequences to classify songs genres. In: IEEE INTERNATIONAL CONFERENCE ON MULTIMEDIA AND Expo (ICME), 18., 2017, Hong Kong. Proceedings [...] . Hong Kong: IEEE, 2017, p. 1446-1451. Disponível em: https://doi.org/10.1109/ICME.2017.8019531. Acesso em: 18 mar. 2021.

SANTANA, I. A. P. et al. Music4All: a new music database and its applications. In: INTERNATIONAL CONFERENCE ON SYSTEMS, SIGNALS AND IMAGE PROCESSING (IWSSIP), 27., 2020, Niterói. Proceedings [...] . Niterói: IEEE, 2020, p. 399-404. Disponível em: https://doi.org/10.1109/IWSSIP48289.2020.9145170. Acesso em: 18 mar. 2021.

SILLA JR., C. N.; KOERICH, A. L.; KAESTNER, C. A.A. The latin music database. In: INTERNATIONAL CONFERENCE ON MUSIC INFORMATION RETRIEVAL, 9., 2008. Filadélfia. Proceedings [...] . Filadélfia: ISMIR, 2008. p. 451-456. Disponível em: https://archives.ismir.net/ismir2008/paper/000106.pdf. Acesso em: 17 mar. 2021.

SIMAS FILHO, E. F.; BORGES J.R., E. A.; FERNANDES JR., A. C.L. Genre classification for brazilian music using independent and discriminant features. Journal of Communication and Information Systems, v. 33, n. 1, maio 2018. Disponível em: https://jcis.emnuvens.com.br/jcis/article/view/515. Acesso em: 17 mar. 2021.

SOUSA, J. M.; PEREIRA, E. T.; VELOSO, L. R. A robust music genre classification approach for global and regional music datasets evaluation. In: IEEE INTERNATIONAL CONFERENCE ON DIGITAL SIGNAL PROCESSING (DSP), 21., 2016, Pequim. Proceedings [...] . Pequim: IEEE, 2016. p. 109-113. Disponível em: https://doi.org/10.1109/ICDSP.2016.7868526. Acesso em: 18 mar. 2021.

TZANETAKIS, G.; COOK, P. Musical genre classification of audio signals. IEEE Transactions on Speech and Audio Processing, v. 10, n. 5, p. 293-302, nov. 2002. Disponível em: https://doi.org/10.1109/TSA.2002.800560. Acesso em: 17 mar. 2021.

VISHNUPRIYA, S.; MEENAKSHI, K. Automatic music genre classification using Convolution Neural Network. In: INTERNATIONAL CONFERENCE ON COMPUTER COMMUNICATION AND INFORMATICS (ICCCI), 7., 2018, Coimbatore. Proceedings [...] . Coimbatore: IEEE, 2018. p. 1-4. Disponível em: https://doi.org/10.1109/ICCCI.2018.8441340. Acesso em: 17 mar. 2021.

VÖLKEL, T. et al. Automatic genre classification of Latin American music using characteristic rhythmic patterns. In: AUDIO MOSTLY CONFERENCE: A CONFERENCE ON INTERACTION WITH SOUND, 5., 2010, Piteå. Proceedings [...] . Piteå: ACM, 2010. p. 1-7. Disponível em: https://doi.org/10.1145/1859799.1859815. Acesso em: 19 mar. 2021.

YANG, R. et al. Parallel recurrent convolutional neural networks-based music genre classification method for mobile devices. IEEE Access, v. 8, p. 19629-19637, jan. 2020. Disponível em: https://doi.org/10.1109/ACCESS.2020.2968170. Acesso em: 17 mar. 2021.

YU, Y. et al. Deep attention based music genre classification. Neurocomputing, v. 372, p. 84-91, jan. 2020. Disponível em: https://doi.org/10.1016/j.neucom.2019.09.054. Acesso em: 17 mar. 2021.

A ABECIN detém os direitos autorais dos trabalhos que publica, adotando as licenças do Creative Commons, exceto quando houver indicação específica de outros detentores de direitos autorais. Em caso de dúvidas, solicitamos consultar o Editor da REBECIN. Por meio dessa licença, o(s) autor(es) tem/têm a liberdade de compartilhar — copiar, distribuir e transmitir a obra, sob as seguintes condições:

a) atribuição — você deve creditar a obra da forma especificada pelo(s) autor(es) ou licenciante (mas não de maneira que sugira que estes concedem qualquer aval a você ou ao seu uso da obra).

b) uso não-comercial — você não pode usar esta obra para fins comerciais.

c) vedada à criação de obras derivadas — você não pode alterar, transformar ou criar em cima desta obra.

Evidencia-se que:

a) renúncia — qualquer das condições acima pode ser renunciada se obtiver permissão do titular dos direitos autorais.

b) domínio público — onde a obra ou qualquer de seus elementos estiver em domínio público sob o direito aplicável, esta condição não é, de maneira alguma, afetada pela licença.

c) outros direitos — os seguintes direitos não são, de maneira alguma, afetados pela licença:

- Limitações e exceções aos direitos autorais ou quaisquer usos livres aplicáveis;

- Os direitos morais do(s) autor(es);

- Direitos que outras pessoas podem ter sobre a obra ou sobre a utilização da obra, tais como direitos de imagem ou privacidade.

O(s) autor(es) submeteu(ram) a declaração de responsabilidade e transferência de direito autoral à REBECIN. Para tanto, faça o download do modelo da declaração acessando a URL: https://portal.abecin.org.br/rebecin/

Obs.: Após ler e assinar envie o arquivo digitalizado junto com a submissão.