Mood Cloud

Thèse de doctorat de Cyril Laurier · 2006-2011 · Universitat Pompeu Fabra, Barcelone

Notre rôle Thèse de doctorat, apprentissage automatique, analyse audio.

La thèse de Cyril Laurier, « Automatic Classification of Musical Mood by Content-Based Analysis », soutenue en 2011 à l’Universitat Pompeu Fabra de Barcelone. Elle porte sur la classification automatique de la musique selon l’émotion (mood), à partir de modèles qui écoutent le signal audio. Elle s’appuie sur le traitement du signal, l’apprentissage automatique et la recherche d’information.

Les principales contributions :

Modéliser l’émotion un modèle de représentation des émotions musicales, tiré de l’analyse des tags d’un réseau social musical.
Classer automatiquement une méthode de classification par émotion, avec l’analyse de ce qu’apporte chaque descripteur audio et de son lien avec l’émotion perçue.
Croiser audio et paroles une approche multimodale, qui fait aussi avancer la recherche d’information dans les textes.
Relier émotion et genre après avoir montré le lien entre émotion et genre musical, une nouvelle approche intègre la classification automatique par genre. Ces classifieurs sont plus précis que les modèles audio classiques.
Rendre les modèles lisibles une technique d’extraction de règles rend les modèles explicites.

Les résultats de cette thèse ont été exploités commercialement par Bmat, Eventide et Sonaris Systems.