L'un des aspects indéniables que l'on peut reconnaître à la musique est l'immense influence que celle-ci peut avoir sur nos émotions et sa grande capacité à modeler nos ressentiments. En mettant en place un système de recommandation de musique, on peut penser à suggérer à l'utilisateur, des contenus du même artiste ou d'artistes similaires. On peut penser aussi à suggérer des titres en fonction du genre musical; pop, rock, ... mais pourquoi ne pas prendre en compte l'aspect émotion et de proposer des morceaux qui seraient plus en adéquation avec son humeur.
Le but du projet est donc d'aboutir à un système capable de suggérer du contenu audio à un utilisateur en fonction de son humeur du moment. Les données audio brutes de notre système seront analysées en "off-line" pour les regrouper selon la (ou les) émotion(s) qu'elles véhiculent. Les suggestions se feront alors, à partir d'un ou de quelques morceaux écoutés durant une session.
L’intérêt du projet est double. En effet, nous aurons à découvrir de nouveaux concepts liés au traitement des données sonores (traitement du signal) et à explorer les liens entre musique et humeur.
The current repository (mainly, the dev branch) is a snapshot of the project at defense time. Only some primitives that fetch data from lastfm and a minimal skeleton were implemented at that time. There is in addition .tex source of the presentation --- which explains the project pipeline architecture.
- Massinissa Hamidi (hamidimassinissa@gmail.com)
- Hassane Gaci
- Van Luan Nguyen
This work was carried at UFR informatique, University of Paris 7, as part of data mining course project taught by Anne-Claire Haury.