Evolução temática das letras de músicas populares da Billboard: uma análise de modelagem de tópicos.

Página do item simplificado
dc.contributor.advisorMelo, Tiago Eugenio de
dc.contributor.advisor-latteshttp://lattes.cnpq.br/9912454472927669
dc.contributor.authorPereira, Debora Moraes
dc.contributor.author-latteshttp://lattes.cnpq.br/1014907301110660
dc.contributor.referee1Figueiredo, Carlos Mauricio Serodio
dc.contributor.referee2Costa, Júlio Barreto Guedes da
dc.date.accessioned2026-08-07T19:20:11Z
dc.date.issued2025-01-16
dc.description.abstractThe lyrics of songs are essential for the connection between artists and listeners, reflecting cultural trends and social concerns. The analysis of the themes present offers insights into different times and context for composers and music professionals. Understanding the evolution of themes is crucial to adapting compositions to audience preferences and exploring new narratives. Topic Modeling stands out as an effective solution for large-scale analysis of letters. Billboard, as the music industry's primary source, provides valuable context by highlighting the most influential songs and artists. This study proposes to explore the thematic evolution of Billboard's popular song lyrics through topic modeling, identifying trends and changes over time for a deeper understanding of social and cultural concerns.
dc.description.resumoAs letras de musicas são essenciais para a conexão entre artistas e ouvintes, refletindo tendências culturais e preocupações sociais. A análise dos temas presentes oferece insights sobre diferentes épocas e contexto para compositores e profissionais da música. Compreender a evolução dos temas é crucial para adaptar composições às preferências do público e explorar novas narrativas. A Modelagem de Tópicos se destaca como uma solução eficaz para a análise em grande escala das letras. A Billboard, como fonte primária da indústria musical, fornece um contexto valioso ao destacar as músicas e artistas mais influentes. Este estudo propõe explorar a evolução temática das letras das músicas populares da Billboard através da modelagem de tópicos, identificando tendências e mudanças ao longo do tempo para uma compreensão mais profunda das preocupações sociais e culturais.
dc.identifier.urihttps://ri.uea.edu.br/handle/riuea/8568
dc.publisherUniversidade do Estado do Amazonas
dc.publisher.initialsUEA
dc.relation.referencesBENITO, M. D. Topic Model Aplicado a Letras de Canciones. Dissertação (Master’s thesis) — Tampere University of Technology, Finland, 2017. Fecha de lectura: 12 de Mayo de 2017. Disponível em: Èhttps://oa.upm.es/52499/Í. BLEI, D.; NG, A.; JORDAN, M. Latent dirichlet allocation. Journal of Machine Learning Research, MIT Press, v. 3, n. 4-5, p. 601–608, 2001. Disponível em: Èhttps:// proceedings.neurips.cc/paper/2001/hash/296472c9542ad4d4788d543508116cbc-Abstract. htmlÍ. FERREIRA, B. P. J. M.; DALIP, D. H.; SILVA, I. S. Análise e classificação de gêneros musicais com base em letras de músicas. In: Anais do Simpósio Brasileiro de Banco de Dados (SBBD). Belo Horizonte/MG: Sociedade Brasileira de Computação, 2023. v. 38, p. 39–50. ISSN 2763-8979. GRIFFITHS, T. L.; STEYVERS, M. Finding scientific topics. Proceedings of the National Academy of Sciences, National Academy of Sciences, v. 101, n. Supplement 1, p. 5228–5235, 2004. HILL, S. C. Words and music: Considering the musicianship of lyric writing. Philosophy of Music Education Review, v. 31, n. 2, p. 121–135, September 2023. HONG, L.; DAVISON, B. D. Empirical study of topic modeling in twitter. In: Proceedings of the First Workshop on Social Media Analytics (SOMA ’10). Washington D.C., USA: ACM, 2010. p. 80–88. JANISSEK-MUNIZ, R.; CARAFFINI, J. Padrões na pesquisa em foresight: uma abordagem de modelagem de tópicos. In: XLV Encontro da ANPAD - ENANPAD 2021. [s.n.], 2021. Disponível em: Èhttps://www.researchgate.net/ publication/360525412\ Padroes\ na\ Pesquisa\ em\ Foresight\ uma\ Abordagem\ de\ Modelagem\ de\ TopicosÍ. JOHRI, P. et al. Natural language processing: History, evolution, application, and future work. In: . Intelligent Computing and Information Sciences. [S.l.]: Springer, 2021. v. 167, p. 365–375. ISBN 9789811597114. JUNIOR, J. L. F. S.; ROSSI, R. G.; LOBATO, F. M. F. A lyric-based approach for brazilian music knowledge discovery: Brazilian country music as a case study. 2019. Disponível em: Èhttps://www.researchgate.net/publication/339240193\ A\ Lyric-Based\ Approach\ for\ Brazilian\ Music\ Knowledge\ Discovery\ Brazilian\ Country\ Music\ as\ a\ Case\ StudyÍ. KOULOUMPIS, E.; WILSON, T.; MOORE, J. D. Twitter sentiment analysis: The good the bad and the omg! Proceedings of the International AAAI Conference on Web and Social Media, 2011. Disponível em: Èhttps: //api.semanticscholar.org/CorpusID:12370913Í. LEHNERT, W. G.; RINGLE, M. (Ed.). Strategies for Natural Language Processing. [S.l.]: Lawrence Erlbaum Associates, 1990. MANNING, C. D.; SCHUTZE, H. ¨ Foundations of statistical natural language processing. [S.l.]: MIT press, 1999. MELO, T. de. Análise exploratória das d´dúvidas sobre a covid-19 publicadas no twitter. In: Anais do Brazilian Workshop on Social Network Analysis and Mining (BRASNAM), 10. Porto Alegre: Sociedade Brasileira de Computação, 2021. p. 175–180. ISSN 2595-6094. MELO, T. de. Beyond Topic Modeling: Comparative Evaluation of Topic Interpretation by Large Language Models. [S.l.]: Mendeley Data, 2023. Version 1. RöDER, M.; BOTH, A.; HINNEBURG, A. Exploring the space of topic coherence measures. In: Proceedings of the 8th ACM International Conference on Web Search and Data Mining. [s.n.], 2015. p. 399–408. Disponível em: Èhttps://dl.acm.org/doi/10.1145/2684822.2685324Í. SILVA, P. H. P. T. L. C. d. Uso de modelagem de tópicos para agrupamento de notícias: uma abordagem usando bertopic. Acoustics, Speech, and Signal Processing Newsletter, IEEE, September 2023. TRINDADE, I. L. et al. Análise das letras das m´usicas brasileiras mais tocadas nas rádios das Ultimas seis décadas. ´ Acoustics, Speech, and Signal Processing Newsletter, IEEE, October 2021.
dc.subjectModelagem de T´opicos
dc.subjectLatent Dirichlet Allocation (LDA)
dc.subjectBillboard
dc.subjectLetras de Músicas
dc.titleEvolução temática das letras de músicas populares da Billboard: uma análise de modelagem de tópicos.
dc.title.alternativeThematic Evolution of Popular Billboard Song Lyrics: A Topic Modeling Analysis
dc.typeTrabalho de Conclusão de Curso

Arquivos

Pacote original

Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
Evolução temática das letras de músicas.pdf
Tamanho:
9.25 MB
Formato:
Adobe Portable Document Format
Baixar

Coleções

Bacharelado em Engenharia da Computação
Logo UEA UNIVERSIDADE DO ESTADO DO AMAZONAS
Sistema Integrado de Bibliotecas SIB/UEA
+55 92 99134-0181 - bibliotecacentral@uea.edu.br