Apprentissage automatique de caractéristiques audio : application à la génération de listes de lecture thématiques

Ce memoire de these de doctorat presente, discute et propose des outils de fouille automatique de megadonnees dans un contexte de classification supervisee musical.L'application principale concerne la classification automatique des themes musicaux afin de generer des listes de lecture thematiques.Le premier chapitre introduit les differents contextes et concepts autour des megadonnees musicales et de leur consommation.Le deuxieme chapitre s'attelle a la description des bases de donnees musicales existantes dans le cadre d'experiences academiques d'analyse audio.Ce chapitre introduit notamment les problematiques concernant la variete et les proportions inegales des themes contenus dans une base, qui demeurent complexes a prendre en compte dans une classification supervisee.Le troisieme chapitre explique l'importance de l'extraction et du developpement de caracteristiques audio et musicales pertinentes afin de mieux decrire le contenu des elements contenus dans ces bases de donnees.Ce chapitre explique plusieurs phenomenes psychoacoustiques et utilise des techniques de traitement du signal sonore afin de calculer des caracteristiques audio.De nouvelles methodes d'agregation de caracteristiques audio locales sont proposees afin d'ameliorer la classification des morceaux.Le quatrieme chapitre decrit l'utilisation des caracteristiques musicales extraites afin de trier les morceaux par themes et donc de permettre les recommandations musicales et la generation automatique de listes de lecture thematiques homogenes.Cette partie implique l'utilisation d'algorithmes d'apprentissage automatique afin de realiser des tâches de classification musicale.Les contributions de ce memoire sont resumees dans le cinquieme chapitre qui propose egalement des perspectives de recherche dans l'apprentissage automatique et l'extraction de caracteristiques audio multi-echelles.