Aplicativos de streaming de música já oferecem aos usuários a capacidade de selecionar uma lista de reprodução com base no humor, e o último conseguiu bastante bom em reconhecer uma faixa suave para tocar quando você está preso no trânsito em uma noite de segunda-feira. No entanto, o pesquisador indiano Yudhik Agarwal afirma que essa tecnologia não é exatamente a mais sofisticada e esses sistemas podem ser significativamente reforçados pela análise das letras das músicas-também mais difícil de fazer. Nesse sentido, Agarwal apresentou-se na conferência europeia sobre recuperação de informações sobre sua própria música técnica de curadoria de humor , afirmando que, um dia, essas tecnologias podem até conter respostas para terapias para lidar com vários problemas mentais.
Para ser específico, o A área em que Agarwal trabalhou é o Music Emotion Recognition (MER), que é um subconjunto do Music Information Retrieval (MIR) usado por todos os serviços que oferecem curadoria personalizada de faixas em vários estados de espírito. No entanto, uma postagem do Instituto Internacional de Tecnologia da Informação de Hyderabad (IIIT-H) nas conquistas de Agarwal afirmam como as letras são frequentemente um subconjunto ignorado devido aos dias ainda incipientes do processamento de linguagem natural (PNL). A razão para isso estava ligada à interpretação contextual da palavra escrita, que a IA e os modelos de aprendizagem profunda sequencial até agora não conseguiram entender.
É isso que Agarwal aproveitou, implantando a técnica de processamento de linguagem natural de aprendizado profundo XLNet. Isso ajudou Agarwal e sua equipe a traçar um gráfico de quatro quadrantes usando a métrica Valence-Arousal-que inclui valência para felicidade e excitação para energia. Esses dados foram processados em diferentes pontos computados, o que classificaria as faixas para avaliar o clima que suas letras representam.
Prof. Vinoo Alluri, que orientou a pesquisa de Agarwal, disse: “Este estudo tem implicações importantes no aprimoramento de aplicativos envolvidos na geração de playlists de música com base em emoções. Pela primeira vez, a abordagem do transformador está sendo usada para letras e está dando resultados notáveis. No campo da Psicologia da Música, esta pesquisa também nos ajudará a compreender a relação entre as diferenças individuais, como estilos cognitivos, traços empáticos e de personalidade e preferências por certos tipos de letras carregadas de emoção. ”
No futuro, Agarwal deve apresentar um acompanhamento de sua pesquisa na próxima Conferência Internacional sobre Percepção e Cognição Musical, que visa usar o modelo XLNet de classificação lírica de trabalho para mapear os traços de personalidade de um ouvinte com emoções, para avaliar algoritmos de reconhecimento de música melhores-algo que pode ter implicações de longo alcance em campos científicos avançados, como terapia cognitiva.
Leia todos os Últimas notícias e últimas notícias aqui
Source link