Proposta e desenvolvimento de uma estratégia de predição de sucesso musical baseada em características acústicas e gênero musical.

Abstract

O avanço da tecnologia tem mudado a forma como a música é consumida como, por exemplo, a mudança das mídias físicas para os serviços de streaming. Essa mudança gerou grandes conjuntos de dados que podem ser explorados por meio de técnicas de mineração de dados, que podem auxiliar a compreensão das tendências e padrões das características musicais associadas à popularidade e podem extrair informações de grandes conjuntos de dados de gravações musicais, incluindo recursos como tempo, ritmo, melodia e harmonia. A pesquisa nessa área é praticamente inexistente no Brasil, mas pode trazer benefícios para a indústria musical, considerando a pouca quantidade de trabalhos registrados nesse campo. Desta forma, o objetivo geral deste trabalho é propor, desenvolver e validar uma estratégia para prever a popularidade de músicas com base em características acústicas e gêneros musicais. Para alcançá-lo, uma arquitetura de funcionamento em quatro etapas foi definida, a saber: (a) coleta dos dados por meio do consumo da API do Spotify; (b) pré-processamento desses dados; (c) identificação de padrões e tendências nos dados pré-processados; e (d) utilização de modelos de predição para prever o percentual de popularidade de músicas no conjunto de teste. Experimentações práticas, envolvendo dois bancos de dados, geraram resultados satisfatórios quanto às análises realizadas; considerando dados de gêneros musicais puros brasileiros, os resultados destacam desafios na generalização para esses gêneros mais específicos. Os modelos Ridge Regression e Huber Regressor apresentaram melhor capacidade de generalização (R2 de aproximadamente 68.55%) sendo posteriormente reavaliados com a seleção de características relevantes, contribuindo para a compreensão e previsão da popularidade musical, com potencial aplicação na indústria musical brasileira.