Dissertação
Influence of Summarization on Music Classification Tasks EVALUATED
Classificação de música consiste em predizer classes de músicas (por exemplo artista, género) e é uma das tarefas principais na comunidade de Recuperação de Informação Musical. Vários sistemas para classificação de música foram implementados. No entanto, os classificadores de música não são infalíveis, às vezes classificando músicas erradamente. Os classificadores processam apenas um pequeno segmento da música (para poupar tempo) e são avaliados em datasets para obter um valor de exatidão determinando a performance desse classificador. Sumarização de música é a tarefa de sumarizar música. Noutras palavras, consiste em selecionar as partes mais importantes de uma música e colá-las produzindo um sumário dessa música. Vários algoritmos de sumarização de música foram desenvolvidos no passado, com o objectivo de produzir um sumário final para ser disfrutado por ouvintes humanos. Também existe muito trabalho publicado acerca de algoritmos de sumarização genérica, os quais têm sido aplicados com sucesso em sumarização de texto e fala. Esta tese avalia o impacto da sumarização na classificação de música. Dado que o classificador está limitado a processar apenas um pequeno segmento de cada música, vale a pena considerar que processar um segmento sumário em vez de um segmento aleatório melhora a exatidão do classificador. Resultados da avaliação de Average Similarity, LexRank, Latent Semantic Analysis e Maximal Marginal Relevance em dois classificadores diferentes mostram que a sumarização melhora a exatidão de classificação.
outubro 27, 2014, 10:30
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
Departamento de Engenharia Informática (DEI)
Professor Auxiliar