Aplicando aprendizado de máquina para identifica??o do gosto musical de um indivíduo

摘要

Descobrir o gosto musical de uma pessoa tem uma aplica??o óbvia nos mecanismos de recomenda??ousados pelos provedores de servi?os de música on-line. Estamos interessados em uma aplica??o menosóbvia, relacionada ao ambiente de trabalho de um desenvolvedor de software. Neste trabalho em particular,comparamos dois algoritmos usados em minera??o de dados como classificadores. O objetivo é compararSupport Vector Machine (SVM) e k-Nearest Neighbor (k-NN) como preditores do gosto musical de um usuário.Para executar o experimento, usamos um banco de dados de músicas que foram previamente classificadascom um rótulo indicando se o usuário gosta ou n?o de cada música. O banco de dados inclui um conjuntode características das músicas, cada classificador usa as mesmas combina??es de características no processode aprendizado e, em seguida, classifica novas instancias de músicas de acordo com o gosto previsto parao usuário. Este estudo inicial indicou que o SVM é um melhor preditor do que o k-NN para este contextoparticular. Em investiga??es futuras, pretendemos avaliar o usuário em um ambiente síncrono, nossa hipóteseé que pode ser possível entender mais do que o cenário de gosto / n?o gosto e expandir para o que o usuárioquer ouvir em um momento específico, com o qual planejamos capturar o estado emocional atual do usuário.Eventualmente, queremos correlacionar o estado emocional de um desenvolvedor de software com a propens?oa defeitos do código escrito.