García, DavidPinzón, AndrésRodríguez, GermanCano, JohnnySánchez, Paola2019-07-122019-07-122019https://hdl.handle.net/20.500.12442/3512La relación música-emoción ha sido objeto de múltiples reflexiones y estudios orientados a la identificación de las variables que contextualizan este vínculo. A su vez, y debido a la masificación de los contenidos digitales, millones de canciones son reproducidas a diario a través de cientos de plataformas generando enormes volúmenes de datos. El procesamiento de dichos datos representa un desafío a la hora de obtener información relevante cualquiera que sea su propósito, esto debido a que a menudo no es sencillo establecer estrategias o instrumentos con la capacidad suficiente para su ejecución de manera eficaz y oportuna. Con el fin de atender dicho reto, han surgido numerosas herramientas técnicas y computacionales, enmarcadas en un proceso llamado Knowledge Discovery in Databases (KDD) diseñado para la extracción de conocimiento nuevo y útil para la toma de decisiones. Las aplicaciones de dichas técnicas tienen gran variedad de usos en diferentes campos de aplicación. El ámbito de la música no es la excepción por lo que en el desarrollo de este documento describiremos el proceso de implementación de KDD y el uso de diversas técnicas de minería de datos sobre una base que contiene datos relacionados con el medio musical con el fin de establecer patrones en el hábito de consumo de contenidos musicales que contribuyan a la identificación de trastornos emocionales en los consumidores así como las implicaciones de la implementación del KDD en esta clase de ámbitos y contexto tecnológico.spaAttribution-NonCommercial-NoDerivatives 4.0 InternacionalExtracción de conocimiento en bases de datosMinería de datosAprendizaje de máquinaMúsicaEstado emocionalOtherinfo:eu-repo/semantics/restrictedAccess