Please use this identifier to cite or link to this item: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/13366
Full metadata record
DC FieldValueLanguage
dc.creator.IDGONDIM, D.pt_BR
dc.creator.Latteshttp://lattes.cnpq.br/1195739884342749pt_BR
dc.contributor.advisor1ANDRADE, Nazareno Ferreira de.-
dc.contributor.advisor1IDANDRADE, N. F.pt_BR
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/2729979018100977pt_BR
dc.contributor.referee1CAMPELO, Cláudio Elízio Calazans.-
dc.contributor.referee2MARINHO, Leandro Balby.-
dc.contributor.referee3CABRAL, Giordano Ribeiro Eulalio.-
dc.contributor.referee4FIGUEIREDO, Flavio Vinicius Diniz de.-
dc.description.resumoMuitas vezes ouvir música não é apenas um hobby, ou uma atividade de lazer, mas sim uma maneira de alcançar um certo estado emocional ou psicológico, ou mesmo de realizar mais facilmente, ou melhor, uma atividade, e.g. relaxar. Entender as preferências dos usuários ao escutar músicas para realizar determinadas atividades é primordial para aperfeiçoar um recomendador musical baseado em contexto. Entretanto, até o momento, os estudos desta área têm focado em identificar características gerais de músicas de acordo com determinados contextos, ou seja, consideram que uma música para, por exemplo, relaxar, possui as mes- mas características independentemente de usuário. Deste modo, a fim de explorar possíveis diferentes preferências e percepções entre usuários, ao criarem playlists para relaxamento, este trabalho realizou uma análise com aproximadamente 91.000 playlists criadas por cerca de 8.000 usuários nas plataformas 8tracks e Spotify, que são bastante utilizadas para o com- partilhamento de músicas. Neste estudo, consideramos a preferência musical de um usuário como sendo um modelo representativo das características das músicas escolhidas por ele em suas playlists. Estas características compreendem informações de alto e baixo nível das músicas e foram obtidas por meio da utilização da API do Spotify. Informações de alto nível se referem a características que seres humanos podem reconhecer ao escutar música, como por exemplo o quão dançante é uma música, se é instrumental, quão enérgica é, etc. Por outro lado, informações de baixo nível se referem a características do sinal do áudio, tais como o timbre, que é utilizado neste trabalho. Os resultados obtidos com as análises realizadas sugerem que de fato existem grandes diferenças nas percepções dos usuários ao criarem playlists para relaxamento. Foi possível identificar a existência de diferentes grupos de usuários, onde cada grupo possui um conjunto específico de características relevantes que definem suas percepções sobre músicas relaxantes. Outrossim, também foram observadas desigualdades entre os usuários quando comparamos a diferença entre suas percepções de músicas não-relaxantes e relaxantes. Dessa forma, estes resultados sugerem que deve haver um tratamento específico para cada um destes grupos de usuários, por exemplo, ao se re- comendar músicas para relaxamento. Além dos resultados obtidos, este trabalho tem como contribuição a disponibilização de um novo conjunto de dados para futuras pesquisas sobre playlists musicais para relaxamento.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentCentro de Engenharia Elétrica e Informática - CEEIpt_BR
dc.publisher.programPÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃOpt_BR
dc.publisher.initialsUFCGpt_BR
dc.subject.cnpqCiência da Computaçãopt_BR
dc.titleExplorando a importância da personalização na criação de playlists.pt_BR
dc.date.issued2020-03-09-
dc.description.abstractOften listening to music is not just a hobby or a leisure activity, but a way of reaching a certain emotional or psychological state, or even to better perform an activity, e.g. relax- ing. Understanding users’ preferences when listening to music to perform certain activities is primordial to improve context-aware music recommender. However, until now, studies in this area have focused on identifying general characteristics of music according to certain contexts, that is, they consider that a song, for example, to relax, has the same characteristics regardless of user. Thus, in order to explore possible different preferences and perceptions between users, when creating playlists for relaxation, this work carried out an analysis with approximately 91,000 playlists created by about 8,000 users on the 8tracks and Spotify plat- forms, which are widely used for sharing songs. In this study, we consider a user’s musical preference to be a representative model of the characteristics of the songs chosen by him in his playlists. These characteristics comprise high and low-level information of the songs and were obtained through the use of the Spotify API. High-level information refers to charac- teristics that human beings can recognize when listening to music, such as how danceable a song is, if it is instrumental, how energetic it is, etc. On the other hand, low-level information refers to characteristics of the audio signal, such as the timbre, which is used in this work. The results obtained with the analyses performed suggest that there are great differences in the perceptions of users when creating playlists for relaxation. It was possible to identify the existence of different groups of users, where each group has a specific set of relevant characteristics that define their preferences about relaxing music. Furthermore, inequalities between users were also observed when we compared the difference between their percep- tions of non-relaxing and relaxing music. Moreover, inequalities between users were also observed when we compared the difference between their perceptions of non-relaxing and relaxing music. Hence, these results suggest that there must be a specific treatment for each of these groups of users, for example, when recommending songs for relaxation. In addi- tion to the results obtained, this work contributes to the provision of a new dataset for future research on musical playlists for relaxation.pt_BR
dc.identifier.urihttp://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/13366-
dc.date.accessioned2020-07-17T17:42:23Z-
dc.date.available2020-07-17-
dc.date.available2020-07-17T17:42:23Z-
dc.typeTesept_BR
dc.subjectComputação e Músicapt_BR
dc.subjectComputação - Metodologia e Técnicaspt_BR
dc.subjectMúsicas para Relaxamentopt_BR
dc.subjectMúsica – Playlists – Personalizaçãopt_BR
dc.subjectComputing and Musicpt_BR
dc.subjectComputing - Methodology and Techniquespt_BR
dc.subjectRelaxation Songspt_BR
dc.subjectMusic - Playlists - Personalizationpt_BR
dc.rightsAcesso Abertopt_BR
dc.creatorMÉLO, Daniel Gondim Ernesto de.-
dc.publisherUniversidade Federal de Campina Grandept_BR
dc.languageporpt_BR
dc.title.alternativeExploring the importance of personalization in creating playlists.pt_BR
dc.identifier.citationMÉLO, D. G. E. de. Explorando a importância da personalização na criação de playlists. 2020. 100 f. Tese (Doutorado em Ciência da Computação) – Programa de Pós-Graduação em Ciência da Computação, Centro de Engenharia Elétrica e Informática, Universidade Federal de Campina Grande, Paraíba, Brasil, 2020.pt_BR
Appears in Collections:Doutorado em Ciência da Computação.

Files in This Item:
File Description SizeFormat 
DANIEL GONDIM ERNESTO DE MÉLO - TESE (PPGCC) 2020.pdf986.94 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.