Desarrollo de un modelo de elicitación de emociones a partir de las características de la música : generación de un sistema recomendador
Material type:
Item type | Home library | Collection | Call number | URL | Status | Date due | Barcode | |
---|---|---|---|---|---|---|---|---|
![]() |
Biblioteca de la Facultad de Informática | TES 24/01 (Browse shelf(Opens below)) | Available | DIF-05317 | ||||
![]() |
Biblioteca de la Facultad de Informática | Biblioteca digital | Link to resource | No corresponde | ||||
![]() |
Biblioteca de la Facultad de Informática | Biblioteca digital | Link to resource | No corresponde |
Tesis (Doctorado en Ciencias Informáticas) - Universidad Nacional de La Plata. Facultad de Informática, 2024.
1 Introducción -- 1.1 Contexto -- 1.2 Motivación -- 1.3 Objetivos -- 1.4 Preguntas que orientan la investigación -- 1.5 Metodología de la investigación -- 1.6 Estructura de la Tesis -- 1.7 Sobre el uso del masculino gramatical inclusivo -- 2 Fundamentación teórica -- 2.1 Las emociones en la música -- 2.2 Medida y caracterización de emociones en la música -- 2.3 Modelos emocionales y percepción -- 2.4 Analizadores de contenido en el sonido -- 2.5 Librerías de alto nivel para MER -- 2.6 Predicción de valores con machine learning -- 2.7 Clasificación no determinística con Fuzzy -- 2.8 Clasificación determinística con machine learning -- 2.9 Sistemas recomendadores musicales -- 2.10 Sesgos en sistemas recomendadores -- 2.11 Conclusiones -- 3 Estado del arte -- 3.1 Librerías de alto nivel para la extracción de características musicales -- 3.1.1 Spotify API -- 3.1.2 jMIR -- 3.1.3 AcousticBrainz -- 3.1.4 OpenSMILE -- 3.1.5 Consideraciones generales -- 3.2 Datasets musicales -- 3.2.1 Revisión de Datasets -- 3.2.2 Limitaciones relevantes -- 3.3 MediaEval Dataset -- 3.4 Sistemas de predicción -- 3.5 Sistemas no deterministicos (Fuzzy) -- 3.6 Sistemas de clasificación deterministicos -- 3.7 Sistemas recomendadores musicales -- 3.8 Tratamiento de sesgos en MRS -- 3.9 Conclusiones -- 4 Implementación de sistemas para el reconocimiento de emociones en -- la música -- 4.1 Sistema de predicción de emociones -- 4.1.1 Diseño del sistema -- 4.1.2 Experimentos y resultados de los modelos -- 4.1.3 Consideraciones acerca del primer prototipo -- 4.2 Sistema de clasificación emocional no determinística -- 4.2.1 Fusificación de los antecedentes (Entradas) -- 4.2.2 Desfusificación de los consecuentes (Salidas) -- 4.2.3 Reglas fuzzy (Inferencia) -- 4.2.4 Experimentos y resultados del sistema -- 4.2.5 Consideraciones acerca del segundo prototipo -- 4.3 Sistema de clasificación emocional determinística -- 4.3.1 Pre-procesamiento de datos -- 4.3.2 Clasificación con Linear SVM, RandomForest y MLP -- 4.3.3 Clasificación considerando One vs rest scheme -- 4.3.4 Clasificación emocional a lo largo del tiempo -- 4.3.5 Experimentos y resultados de los modelos -- 4.3.6 Consideraciones del tercer prototipo -- 4.4 Conclusiones -- 5 Diseño del dataset musical: Emotional Non-Superstar Artist-Dataset -- (ENSA) -- 5.1 Preparación del dataset -- 5.2 Definición del contenido del dataset -- 5.3 Análisis del dataset -- 5.4 Conclusiones -- 6 Desarrollo de un sistema de recomendación musical -- 6.1 Diseño del sistema -- 6.2 Experimentos y resultados -- 6.2.1 Resultados con métricas de similaridad -- 6.2.2 Resultados con estrategias de agrupamiento -- 6.3 Conclusiones -- 7 Conclusiones y trabajos futuros -- 7.1 Conclusiones -- 7.1.1 Conclusiones en relación a los objetivos -- 7.1.2 Conclusiones que responden a las preguntas -- 7.2 Implicaciones prácticas -- 7.3 Producción científica -- 7.4 Limitaciones del estudio -- 7.5 Futuras líneas de trabajo -- A. Fundamentos de teoría musical -- B. Experimento con AcousticBrainz -- C. Cuadro comparativo de librerías de alto nivel -- D. Análisis del sistema de etiquetado en MediaEval -- Bibliografía