PREDICTING LISTENER’S MOOD BASED ON MUSIC GENRE: AN ADAPTED REPRODUCED MODEL OF RUSSELL AND THAYER
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Mood has presently received growing consideration as an interesting technique for organizing and accessing music. Stress which changes individual mood is a major physical and psychological problem of individuals today. Many researches have been conducted based on this study of mood, particularly in the U.S.A, Canada, Europe, and some part in Asia. However, while these studies are important, and help to solve the problem of mood change, still, researchers were unable to look into this important aspect in one of the 25 rapid growth markets in the world-Malaysia. In solving this problem, this study suggested using music genre as an influence mechanism to predict mood and again identify what kind of classified musical genre that can be used to predict certain mood. This study adapts and reproduces a model of Russell and Thayer to categorize moods. A total population of 245 university students of both sexes, aged from 18-56 and above, married and single, different educational level, race, and religions were used to achieved the objective of this study. The data was analyzed using SPSS version 20. The analysis results were presented based on majority and popularity of respondents. The findings indicate that the result of this study is 60%-80% percent positive on both part A and Part B due to the higher population respondents of the investigation. Hence, based on the findings, the study clearly interprets and presents an encouraging methodology that predicts the mood of the listener's with a positive outcomes.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle