Apprentissage automatique et ingénierie de caractéristiques basée sur les accords pour la prédiction du genre dans la musique brésilienne populaire

Le genre musical peut être difficile à décrire : de nombreux facteurs entrent en jeu, tels que le style, la technique musicale et le contexte historique. Certains genres présentent même des caractéristiques superposées. Dans le but d'améliorer notre compréhension des liens entre les genres musicaux et les structures harmoniques, nous avons collecté des données sur les accords de musique pour des milliers de chansons brésiliennes populaires. Ici, « populaire » ne se réfère pas uniquement au genre nommé MPB (Música Popular Brasileira) mais à neuf genres différents considérés comme spécifiques au cas brésilien. Les principaux objectifs du présent travail sont d'extraire et de concevoir des caractéristiques liées harmoniquement à partir des données d'accords et de les utiliser pour classifier les genres musicaux populaires brésiliens, établissant ainsi un lien entre les relations harmoniques et les genres brésiliens. Nous soulignons également la généralisation de la méthode pour l'obtention des données, permettant la reproduction et l'extension directe de ce travail. Notre modèle final est une combinaison de plusieurs arbres de classification, également connue sous le nom de modèle de forêt aléatoire. Nous avons constaté que les caractéristiques extraites des éléments harmoniques peuvent prédire avec satisfaction le genre musical dans le cas brésilien, tout comme les caractéristiques obtenues via l'API Spotify. Les variables considérées dans cette étude donnent également une intuition quant à leur relation avec les genres.