Clasificador Musical com Notação ABC

O objetivo principal deste trabalho foi desenvolver um classificador de géneros musicais utilizando a notação ABC, uma representação textual de música, em vez das abordagens tradicionais envolvendo ficheiros de áudio, que são mais complexos e exigem maior capacidade de processamento computacional. A ideia foi explorar uma alternativa mais eficiente para a categorização de músicas, mantendo, ao mesmo tempo, um bom nível de precisão. Para isso, foram aplicadas redes neuronais artificiais e testadas diferentes abordagens para lidar com o desequilíbrio entre as classes do conjunto de dados, como o uso de pesos para as classes (class weights) e undersampling. O Nottingham Dataset, composto por músicas folclóricas representadas em notação ABC, foi utilizado para treinar e testar o modelo. Os resultados mostraram que o modelo conseguiu aprender e distinguir bem as classes, e que o uso de pesos para compensar as classes minoritárias levou, geralmente, a uma melhoria na classificação dessas categorias, embora com uma ligeira perda de performance nas classes mais representadas. No entanto, a pequena dimensão e diversidade do conjunto de dados limitam as conclusões a retirar, não garantindo um bom comportamento do modelo num conjunto de dados mais extenso e complexo. O principal objetivo do estudo foi alcançado: foi possível desenvolver um classificador eficiente, usando a notação ABC. Contudo, a integração do classificador em sistemas de recomendação de música e a extensão do conjunto de dados para incluir mais géneros musicais são desafios que poderão ser interessantes como estudos futuros.