Contexto

La música tiene una capacidad innata para evocar estados emocionales complejos. Estudiar cómo interactúan y se solapan estas emociones en grandes catálogos de canciones es una tarea sumamente interesante para los sistemas de recomendación musical.

Con el fin de modelar y comprender de forma matemática y visual la relación entre los diferentes estados de ánimo, desarrollé Musical Moods Network, un proyecto interactivo de ciencia de datos que modela las emociones del dataset MuSe (Multimodal Music Sentiment Analysis) como una red compleja de grafos no orientados.

[!TIP]
Proyecto Open Source:
Este proyecto es de código abierto. Su código, configuraciones y el archivo final interactivo estructurado se encuentran alojados públicamente en Betancourt1/MusicalMoodsNTWRK.

Objetivo

Construir una red compleja de emociones musicales para:

1. Mapear la Similitud Emocional: Identificar qué estados de ánimo (ej. melancólico, alegre, enérgico, sombrío) se solapan o coexisten frecuentemente en la música.
2. Calcular Métricas de Centralidad: Determinar matemáticamente qué emociones actúan como “puentes” de transición afectiva entre diferentes géneros y estados.
3. Visualización Interactiva: Desarrollar un mapa de red auto-contenido renderizable en tecnologías web estándar (HTML5, CSS y SVG) que permita explorar el dataset de manera fluida y dinámica.

Diseño Técnico y Modelado

El proyecto se estructuró a partir de una modelación de grafos procesando los metadatos de sentimiento del dataset MuSe:

• Los Nodos: Representan estados de ánimo y emociones específicas presentes en las canciones de la muestra.
• Las Aristas (Edges): Representan la similitud y correlación emocional entre dichos estados de ánimo. La fuerza y distancia de las aristas reflejan qué tan similares son las firmas emocionales de los audios asociados.
• Centralidad: Se calculó la Betweenness Centrality (Centralidad de Intermediación) de cada nodo para colorear y redimensionar las emociones. Las emociones con mayor Betweenness Centrality actúan como conectores estructurales clave que permiten transicionar gradualmente entre zonas emocionales distantes (por ejemplo, transiciones entre estados de extrema excitación/energía y estados de profunda calma).

                      [ Alegre ]
                          | (Similitud)
     [ Optimista ] --- [ Enérgico ] --- [ Agresivo ]
                          |
                   [ Melancólico ] (Emoción Puente)
                          |
                       [ Triste ]

Visualización e Interactividad en el Navegador:

Para habilitar una exploración amigable y dinámica de la red, se integró el motor de renderizado Sigma.js adaptando la arquitectura de visualización interactiva del proyecto InteractiveVis del Oxford Internet Institute:

• data.json: Contiene la definición estructurada del grafo (nodos con coordenadas espaciales basadas en algoritmos de distribución por fuerza, peso de enlaces y métricas de centralidad).
• config.json: Configura las propiedades estéticas y de interacción del canvas (dibujo por curvas, umbrales de etiquetas de texto, navegación y buscador de nodos en tiempo real).
• Despliegue Portable: La visualización web se diseñó para ser completamente auto-contenida, permitiendo su renderizado offline en múltiples navegadores y dispositivos sin requerir servicios de backend complejos.

Repositorio y Acceso

• Exploración de Métricas: Puedes consultar cómo se calculan las centralidades de intermediación, la topología del grafo y acceder directamente al código fuente y archivo de configuración interactiva:
  github.com/Betancourt1/MusicalMoodsNTWRK
• Licencia de Código: El proyecto está disponible libremente bajo la licencia open-source MIT para su uso, modificación o fines académicos.
• Resultados: Habilitación de un mapa interactivo de psicología afectiva que demuestra la aplicación práctica de la teoría de grafos en grandes bases de datos de análisis conductual y de comportamiento artístico.