Maschinelles Lernen und chordsbasierte Merkmalsingenieurkunst für die Genrezuordnung in populärer brasilianischer Musik

Der Musikgenre ist schwer zu beschreiben: Viele Faktoren sind beteiligt, wie Stil, musikalische Technik und historischer Kontext. Einige Genres haben sogar überlappende Merkmale. Um ein besseres Verständnis dafür zu gewinnen, wie Musikgenres mit musikalischen harmonischen Strukturen zusammenhängen, sammelten wir Daten über die Akkorde von Tausenden beliebter brasilianischer Lieder. Hier bezieht sich "beliebt" nicht nur auf den Genre MPB (Música Popular Brasileira), sondern auf neun verschiedene Genres, die als spezifisch für den brasilianischen Fall angesehen wurden. Die Hauptziele der vorliegenden Arbeit sind es, aus den Akkorddaten harmonisch verwandte Merkmale zu extrahieren und zu verfeinern und diese dann zur Klassifikation beliebter brasilianischer Musikgenres zu verwenden, um einen Zusammenhang zwischen harmonischen Beziehungen und brasilianischen Genres herzustellen. Wir legen auch den Fokus auf die Generalisierung der Methode zur Datensammlung, was eine Wiederholung und direkte Erweiterung dieser Arbeit ermöglicht. Unser endgültiges Modell ist eine Kombination mehrerer Klassifikationsbäume, auch bekannt als das Random Forest-Modell. Wir fanden heraus, dass Merkmale, die aus harmonischen Elementen extrahiert wurden, das Musikgenre im brasilianischen Fall zufriedenstellend vorhersagen können, ebenso wie Merkmale, die über die Spotify-API erhalten wurden. Die in dieser Arbeit berücksichtigten Variablen geben auch einen Einblick in ihre Beziehung zu den Genres.