Categorización de letras de canciones de un portal web usando agrupación

Algoritmos de clasificación y de agrupación han sido usados ampliamente en sistemas de recuperación de información musical (MIR) para organizar repositorios musicales en categorías o grupos relacionados, por ejemplo género, modo o tema, usando el sonido o sonido en combinación con la letra de la canción. Sin embargo, la investigación relacionada con agrupación usando solamente la letra de la canción es poca. El objetivo principal de este trabajo es definir un modelo no supervisado de minería de datos para la agrupación de letras de canciones recopiladas en un portal web, usando solamente características de la letra de la canción, con el fin de ofrecer mejores opciones de búsqueda a los usuarios del portal. El modelo propuesto primero identifica el lenguaje de las letras de canciones usando Naive Bayes y n-grams (para el caso de este trabajo se identificaron 30.000 letras de canciones en Español y 30.000 en Ingles). Luego las letras son representadas en un modelo de espacio vectorial Bag OfWords (BOW), usando características de Part Of Speech (POS) y transformando los datos al formato TF-IDF. Posteriormente, se estima el numero apropiado de agrupaciones (K) y se usan algoritmos particionales y jerárquicos con el _n de obtener los grupos diferenciados de letras de canciones. Para evaluar los resultados de cada agrupación se usan medidas como el índice Davies Bouldin (DBI) y medidas internas y externas de similaridad de los grupos. Finalmente, los grupos se etiquetan usando palabras frecuentes y reglas de asociación identificadas en cada grupo. Los experimentos realizados muestran que la música puede ser organizada en grupos relacionados como género, modo, sentimientos y temas, la cual puede ser etiquetada con técnicas no supervisadas usando solamente la información de la letra de la canción.

• Autores: Parra Anzola, Fabio Leonardo
• Fecha de publicación: 2013
• Institución: Universidad Nacional de Colombia
• Repositorio: Universidad Nacional de Colombia
• Idioma: spa
• OAI Identifier: oai:repositorio.unal.edu.co:unal/52054
• Acceso en línea: https://repositorio.unal.edu.co/handle/unal/52054; http://bdigital.unal.edu.co/46305/
• Palabra clave: 0 Generalidades / Computer science, information and general works; 62 Ingeniería y operaciones afines / Engineering; 78 Música / Music; Recuperación de Información Musical; Agrupación de Páginas Web; Agrupación; Aprendizaje no Supervisado; Selección de Características; Minería de Datos; Minería de Texto Análisis de Letras de Canciones; Reglas de Asociación; Music Information Retrieval; Clustering; Unsupervised Learning; Feature Selection; Data Mining; Text Mining; Lyrics Analysis; Association Rules
• Rights: openAccess
• License: Atribución-NoComercial 4.0 Internacional