Use este identificador para citar ou linkar para este item: http://hdl.handle.net/1843/31794
Tipo: Dissertação
Título: A general method to automatically generate music playlists
Título(s) alternativo(s): Um método geral para geração automática de playlists de música
Autor(es): Marcos Alves de Almeida
Primeiro Orientador: Renato Martins Assunção
Primeiro Coorientador: Pedro Olmo Stancioli Vaz de Melo
Primeiro membro da banca : Olga Nikolaevna Goussevskaia
Segundo membro da banca: Flávio Vinícius Diniz de Figueiredo
Terceiro membro da banca: Nazareno Ferreira de Andrade
Resumo: Music is one of the most used forms of entertainment, being consumed by people all over the world. Different from other types of entertainment such as movies and plays, music is consumed in playlists, that is, several tracks are grouped together before the users listen to them. Arranging the songs in a sequence is a time-consuming task, and may require specific knowledge from the playlist creator. The objective of this work is to propose a general method to automatically generate music playlists satisfying conflicting goals. First, we will analyze users' playlists in order to understand their characteristics and music genres. Next, we will propose methods to calculate the similarity between songs using acoustic characteristics and metadata. The proposed similarity functions will be used to embed the songs in a music space, where similar songs are close to each other. Then, we will propose a general method to automatically generate a random playlist of songs connecting two anchor songs defined by the user. Based on the general method, we will construct two algorithms to generate music playlists, named ROPE and STRAW, and apply them to the constructed music spaces. With the experiments carried out, we showed the proposed algorithms are able to generate random heterogeneous music playlists with smooth transitions between songs. Finally, an online prototype is developed to allow users to test the proposed method.
Abstract: Música é uma das formas de entretenimento mais utilizadas por pessoas do mundo todo. Diferente de outros tipos de entretenimento como filmes e teatro, música é consumida por meio de playlists, isto é, várias músicas são agrupadas antes que sejam escutadas. Organizar as músicas em uma sequência é uma tarefa que demanda tempo, e pode requerer conhecimentos específicos de quem está criando as playlists. O objetivo deste trabalho é propor um método geral para gerar automaticamente playlists de música satisfazendo objetivos conflitantes. Inicialmente, nós iremos analisar playlists de música de usuários com o objetivo de entender suas características e gêneros musicais. Em seguida, iremos propor formas de calcular a similaridade entre músicas utilizando características acústicas e metadados. As funções de similaridade propostas serão utilizadas para mapear as músicas em um espaço de músicas onde músicas similares estão próximas uma das outras. Então iremos propor um método geral para gerar automaticamente uma playlist aleatória de música conectando duas músicas definidas pelo usuário. Baseado no método geral, iremos construir dois algoritmos para gerar playlists de música, chamados de ROPE e STRAW, e aplicá-los nos espaços de música construídos. Com os experimentos realizados, nós mostramos que os algoritmos propostos conseguem gerar playlists aleatórias de músicas heterogêneas com transições suaves entre as músicas. Finalmente, um protótipo online é desenvolvido para permitir usuários testarem o método proposto.
Assunto: Recuperação da Informação
Sistemas de informação musical
Lista de reprodução - música
Idioma: eng
País: Brasil
Editor: Universidade Federal de Minas Gerais
Sigla da Instituição: UFMG
Departamento: ICX - DEPARTAMENTO DE CIÊNCIA DA COMPUTAÇÃO
Curso: Programa de Pós-Graduação em Ciência da Computação
Tipo de Acesso: Acesso Aberto
metadata.dc.rights.uri: http://creativecommons.org/licenses/by-nc-nd/3.0/pt/
URI: http://hdl.handle.net/1843/31794
Data do documento: 22-Abr-2019
Aparece nas coleções:Dissertações de Mestrado

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
DissertacaoMarcosAlmeidaFinal.pdf3.27 MBAdobe PDFVisualizar/Abrir


Este item está licenciada sob uma Licença Creative Commons Creative Commons