Predição de Rankings de Artistas por Meio de Regressão

A construção de rankings consiste na ordenação de resultados recuperados de acordo com um determinado critério. Os rankings podem fornecer informações relevantes para analistas de diferentes setores da indústria. Na indústria fonográfica, os rankings possibilitam a compreensão de como os estilos musicais e a popularidade dos artistas e suas músicas evoluem com o tempo, permitindo análises de históricos de execuções e de tendências. Devido à importância da construção de rankings no escopo musical, técnicas de minera- ção de dados têm sido utilizadas para predizer os rankings através de informações contidas em mídias sociais. Este trabalho avalia modelos de regressão para a predição de rankings de artistas utilizando-se de dados históricos (rankings diários de artistas) extraídos do website Vagalume. Três técnicas de regressão (k-Nearest Neighbors - k-NN, Regressão Linear Múltipla - RLM e Random Forests - RF) foram avaliadas neste trabalho considerando-se diversos cenários. Os resultados obtidos por meio de experimentos mostraram que predições com baixas taxas de erros podem ser obtidas, indicando que técnicas de mineração de dados podem ser utilizadas para obtenção de informações que auxiliem a indústria fonográfica na tomada de decisões.