Portal de Eventos do IFRS, III Mostra de Ensino, Pesquisa e Extensão - III MEPE

Tamanho da fonte: 
Estudo sobre classificação de músicas utilizando mineração de dados e árvores decisão através de valores de características musicais fornecidos pela plataforma Spotify
Leonardo Pelegrini, Vinicius Zanandrea, Roger Sá da Silva

Última alteração: 10-11-2019

Resumo


Sistemas de recomendação de conteúdo estão se tornando cada vez mais comuns atualmente. Estão integrados em inúmeros serviços, principalmente na internet, como plataformas de músicas e filmes, portais de notícias e redes sociais. Tendo em vista esse novo cenário, o presente trabalho propõe testar um dos sistemas de classificação da plataforma de músicas Spotify, utilizando dados providos pela mesma. Mais especificamente, pretende-se compreender como utilizar estes dados para a classificação de músicas de acordo com o gosto do usuário, o que representa uma grande vantagem para o serviço, pois manter os usuários interessados ampliando a descoberta de novas faixas é essencial para este tipo de negócio. Um dos métodos de recomendação do Spotify consiste em classificar músicas de acordo com suas características, onde cada uma, como por exemplo tonalidade ou animação, recebe uma nota. Através de consultas na base dados, é possível encontrar músicas cujas características apresentam notas similares ao gosto do usuário, e assim recomendá-las. Para tanto, utilizou-se uma técnica de mineração de dados aplicando o algoritmo C45 para geração de um modelo de dados baseado em árvores de decisão, capaz de classificar músicas até então desconhecidas. Nesse cenário, foi necessário selecionar um usuário e reunir uma lista de músicas para análise. Foram reunidas 786 músicas, sendo 50% da categoria "músicas boas" e 50% da categoria "músicas ruins" (segundo o gosto musical do usuário). Após gerar o modelo, foram reunidas outras 60 músicas para que ele as classificasse, sendo novamente 50% de cada categoria. O modelo foi capaz de classificar corretamente um total de 50 músicas, obtendo um alto índice de acerto. Entender sistemas de classificação e recomendação está sendo cada vez mais importante para softwares gerarem melhores conteúdos para seus usuários e, assim, entregar sugestões adequadas para garantir o bom atendimento aos clientes.