BIA - IFPI Campus Picos Tecnologia Tecnologia em Análise e Desenvolvimento de Sistemas - Picos
Use este identificador para citar ou linkar para este item: https://bia.ifpi.edu.br/jspui/handle/123456789/5836
Registro completo de metadados
Campo DCValorIdioma
dc.creatorRibeiro, Thávyne Kerolly Dias-
dc.date.accessioned2026-08-24T20:37:24Z-
dc.date.available2026-08-24T20:37:24Z-
dc.date.issued2026-
dc.identifier.urihttps://bia.ifpi.edu.br/jspui/handle/123456789/5836-
dc.description.abstractThis study presents an approach for computational emotion analysis in Brazilian Popular Music (MPB) using two BERTimbau models fine-tuned for song lyrics and YouTube comments. A total of 8,400 lyrics from 40 MPB artists and 48,820 comments were analyzed. Comments were labeled using weak supervision with Snorkel and Gemini, while lyrics were analyzed using an expanded emotion lexicon. The models achieved accuracies of 79.89% for comments and 80.48% for lyrics. The comparison between emotions expressed in lyrics and perceived by listeners showed a convergence of 26.3%. Temporal analysis and topic modeling were also performed. The results indicate differences between emotions expressed in lyrics and those perceived by listeners.pt_BR
dc.languageporpt_BR
dc.publisherInstituto Federal de Educação, Ciência e Tecnologia do Piauípt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectEmoçõespt_BR
dc.subjectMúsica popular brasileirapt_BR
dc.subjectLetras de músicaspt_BR
dc.subjectProcessamento de linguagem naturalpt_BR
dc.subjectBERTimbaupt_BR
dc.titleCompositor e ouvinte: Análise computacional de emoções na música popular brasileira utilizando BERTimbaupt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dc.creator.LattesNÃO LOCALIZADOpt_BR
dc.contributor.advisor1Nascimento, João Paulo Lima do-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/8147579715773876pt_BR
dc.description.resumoEste trabalho apresenta uma abordagem para análise computacional de emoções na Música Popular Brasileira (MPB) utilizando dois modelos BERTimbau ajustados por fine-tuning para letras de músicas e comentários do YouTube. Foram analisadas 8.400 letras de 40 artistas da MPB e 48.820 comentários. Os comentários foram rotulados por weak supervision, com Snorkel e Gemini, e as letras por meio de um léxico emocional expandido. Os modelos alcançaram acurácia de 79,89% nos comentários e 80,48% nas letras. A comparação entre as emoções expressas nas letras e percebidas pelos ouvintes apresentou convergência de 26,3%. Também foram realizadas análises temporais e modelagem de tópicos. Os resultados evidenciam diferenças entre a emoção expressa nas letras e a percepção dos ouvintes.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentCampus Picospt_BR
dc.publisher.initialsIFPIpt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::SISTEMAS DE INFORMACAOpt_BR
Aparece nas coleções:Tecnologia em Análise e Desenvolvimento de Sistemas - Picos

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2026_tcc_tkdribeiro.pdf651.86 kBAdobe PDFVisualizar/Abrir
2026_termo_tkdribeiro.pdf143.18 kBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Visualizar estatísticas


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.