Automatic Classification of musical mood by content-based analysis

La musica en formato digital forma parte de nuestras vidas. Automatizar la organizacion de estos datos es un gran desafio. En esta tesis, nos centramos en la clasificacion automatica de musica a partir de la deteccion de la emocion que comunica. Para conseguirlo, proponemos modelos usando informaciones extraidas de la senal de audio mediante tecnicas de procesamiento de senales, aprendizaje automatico y recuperacion de informacion. Primero, estudiamos como los miembros de una red social utilizan etiquetas y palabras clave para describir la musica y las emociones que evoca. Con una tecnica para reducir la complejidad dimensional de este problema, encontramos un modelo para representar los estados de animo. Luego, proponemos un metodo de clasificacion automatica de emociones y detallamos los resultados para distintos tipos de clasificadores. Analizamos las contribuciones de descriptores de audio y como sus valores estan relacionados con los estados de animo, intentando encontrar explicaciones desde un punto de vista psicologico y/o musicologico. Proponemos tambien una version multimodal de nuestro algoritmo, usando las letras de canciones con un nuevo metodo de clasificacion basado en las palabras claves para distinguir categorias de emociones. Finalmente, despues de estudiar la relacion entre el estado de animo y el genero musical, presentamos un metodo usando la clasificacion automatica por genero. Mostramos que clasificadores basados en el genero obtienen mejores resultados que otros metodos estandar. A modo de recapitulacion conceptual y algoritmica, proponemos una tecnica de extraccion de reglas para entender como los algoritmos de aprendizaje automatico predicen la emocion evocada por la musica. Nuestros algoritmos han sido evaluados con datos de usuarios y en concursos de evaluacion internacionales.