SISTEMA DE RECOMENDAÇÃO DE PARTITURAS MUSICAIS

SILVA, Osni Luiz Samer Sokoloski da1; JUNIOR, Carlos Nascimento Silla2;

Resumo

Introdução:O estudo musical geralmente pode ser complicado para iniciantes e aumenta a dificuldade quando se trata de um estilo desconhecido do professor. Com isto a música desejada de ensino precisa ser compreendida, para assim obter um plano de estudo que será passado ao novo aluno, o que pode não estar adequado para um aluno principiante por conter técnicas avançadas, alta velocidade de reprodução ou mesmo um conjunto de notas que exija experiência para que sejam tocadas com primor. Assim o recomendado seria uma música de nível abaixo ou músicas de outros estilos que possuam características da música solicitada. Através de uma tabela de partituras que seriam separadas por gênero, constaria um nivelamento do estilo musical solicitado facilitando a escolha da música de menor grau para início do aprendizado.

Objetivo:O principal objetivo deste trabalho é o desenvolvimento de uma ferramenta de recomendação de partituras musicais para apoiar os professores de música a escolher partituras que correspondam ao nível de desenvolvimento técnico do aluno.

Metodologia:Para criar o sistema de recomendação de partituras, foram estudadas algumas ferramentas existentes para a tarefa de recomendação. Porém por se tratar de um problema de recomendação baseado em conteúdo, isto é, as características são extraídas a partir do objeto de interesse, foi optado por desenvolver um software próprio. Para fazer a extração de características foi utilizado o software jSymbolic, que extraí diversas informações a partir de um arquivo MIDI, como por exemplo o tempo de nota, melodia, clave da partitura, dentre outros fatores que possibilitam uma melhor análise da partitura. Além do extrator de característica também foram estudados três tipos de classificadores para fazer o sistema, o algoritmo dos K-Vizinhos mais próximos (Knn), o algoritmo de árvores de decisão (J48) e uma rede neural do tipo multilayer perceptron (MLP).

Resultados:Os experimentos foram realizados utilizando uma base de partituras com 99 partituras para violino. Foi utilizada a técnica de estratificação de dados conhecida como leave-one-out para avaliar a performance dos classificadores. As partituras foram classificadas em três níveis de dificuldade: fácil, médio e difícil. Os resultados obtidos pelos classificadores foram 78.6% para o Knn (k=1), 76.5% para o Knn com K = 3, 79.6% para o Knn com K =5, 83.7% para o J48 e 75.5% para a Rede Neural MLP. Também foram realizados experimentos utilizando a combinação de classificadores utilizando o método vote, porém apenas em uma configuração (J48 combinado com Knn com K =5) o resultado (86.7%) foi superior a utilizar apenas o J48.

Conclusões:É possível fazer a classificação de partituras musicais em níveis de dificuldade utilizando técnicas de aprendizado de máquina. Como trabalho futuro, serão criadas bases de dados para outros instrumentos musicais, além de realizar experimentos utilizando métodos mais elaborados de combinação de classificadores.

Palavras-chave: Sistemas de Recomendação. Computação Musical. Aprendizado de Máquina.

Legendas

    1. Estudante
    2. Orientador