Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/32395
Registro completo de metadados
Campo DC | Valor | Idioma |
---|---|---|
dc.creator | Godoi, Weber Cordeiro | - |
dc.date.accessioned | 2023-09-15T21:56:20Z | - |
dc.date.available | 2023-09-15T21:56:20Z | - |
dc.date.issued | 2022-11-18 | - |
dc.identifier.citation | GODOI, Weber Cordeiro. Avaliação da influência de características musicais sobre a popularidade de canções nas charts do spotify brasileiro em 2021. 2022. Monografia (Especialização em Ciência de Dados) – Universidade Tecnológica Federal do Paraná, Dois Vizinhos, 2022. | pt_BR |
dc.identifier.uri | http://repositorio.utfpr.edu.br/jspui/handle/1/32395 | - |
dc.description.abstract | Currently, the digital format is the main music’s distribution channel and the spotify platform stands out as the main distributor. The revenues generated by the songs are shared between distributors, artists, composers and record studios, being proporcional to the number of streams. In this scenario, distributors that adopt methods capable of predicting song’s popularity before their release are more competitive as they can optimize the allocation of financial resources to songs that are more likely to reach high popularity. This work have the main goal to the influence of musical characteristics on the performance of songs on Spotify’s Brazilian charts in 2021, using random forest classification model and interpretability techniques of black box models such as features importance, permutation importance and SHAP feature Importance. Other techniques not dependent on machine learning models such as pearson’s correlation and information value are also applied. Data regarding the number of streams, artist characteristics and musical characteristics of songs that reached the top 200 of brazilian Spotify charts in 2021 were collected and a popularity index was calculated for labeling the songs between popular and common songs. The results show that artist characteristics such as the number of followers, the artist’s popularity index and the musical genres assigned to the artist are the three most important characteristics for determining the popularity of a song, followed by musical characteristics such as speechiness, acousticness, energy, tempo and liveness. | pt_BR |
dc.language | por | pt_BR |
dc.publisher | Universidade Tecnológica Federal do Paraná | pt_BR |
dc.rights | openAccess | pt_BR |
dc.rights.uri | http://creativecommons.org/licenses/by-sa/4.0/ | pt_BR |
dc.subject | Música - Análise, apreciação | pt_BR |
dc.subject | Algorítmos computacionais | pt_BR |
dc.subject | Aprendizado do computador | pt_BR |
dc.subject | Music appreciation | pt_BR |
dc.subject | Computer algorithms | pt_BR |
dc.subject | Machine learning | pt_BR |
dc.title | Avaliação da influência de características musicais sobre a popularidade de canções nas charts do spotify brasileiro em 2021 | pt_BR |
dc.title.alternative | Evaluation of the influence of musical characteristics on the popularity of songs on the brazilian spotify charts in 2021 | pt_BR |
dc.type | specializationThesis | pt_BR |
dc.description.resumo | Atualmente, o formato digital é o principal canal de distribuição de músicas e a plataforma do Spotify se destaca como a principal distribuidora. As receitas geradas pelas músicas são compartilhadas entre distribuidoras, artistas, compositores e gravadoras, sendo proporcionais ao número de reproduções. Nesse cenário, distribuidoras que adotam métodos capazes de prever o potencial de popularidade de canções antes de seu lançamento são mais competitivas à medida que podem otimizar a alocação de recursos financeiros em músicas mais propensas a atingir altos índices de popularidade. Dessa forma, esse trabalho tem por objetivo avaliar a influência de características musicais sobre o desempenho das canções nas charts brasileiras do Spotify em 2021, valendo-se da utilização de modelos de classificação de aprendizado de máquina floresta aleatória e da utilização técnicas de interpretabilidade de modelos caixa preta como Feature Importance, Permutation Importance e o SHAP Feature Importance. Também são aplicadas, nesse trabalho, técnicas não dependentes de modelos de aprendizado de máquina como a correlação de Pearson e o Information Value. Os dados referentes ao número de reproduções, características de artistas e características musicais de canções que atingiram o top 200 do Spotify brasileiro no ano de 2021 foram coletados e um índice de popularidade foi calculado para rotulação das canções entre músicas populares e comuns. Os resultados mostram que as características dos artistas como o número de seguidores, o índice de popularidade do artista e os gêneros musicais atribuídos ao artista são as três características mais importantes para determinação da popularidade de uma canção, seguidas pelas características musicais como a proporção de palavras faladas na canção, acusticidade, energia, tempo e o índice relativo à presença de audiência. | pt_BR |
dc.degree.local | Dois Vizinhos | pt_BR |
dc.publisher.local | Dois Vizinhos | pt_BR |
dc.contributor.advisor1 | Oliva, Jefferson Tales | - |
dc.contributor.referee1 | Casanova, Dalcimar | - |
dc.contributor.referee2 | Teixeira, Marcelo | - |
dc.contributor.referee3 | Oliva, Jefferson Tales | - |
dc.publisher.country | Brasil | pt_BR |
dc.publisher.program | Especialização em Ciência de Dados | pt_BR |
dc.publisher.initials | UTFPR | pt_BR |
dc.subject.cnpq | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | pt_BR |
Aparece nas coleções: | DV - Ciência de Dados |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
influenciacaracteristicasmusicais.pdf | 752,08 kB | Adobe PDF | ![]() Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons