huggingartists/joji

--- language: - en tags: - huggingartists - lyrics --- # Dataset Card for "huggingartists/joji" ## Table of Contents - [Dataset Description](#dataset-description) - [Dataset Summary](#dataset-summary) - [Supported Tasks and Leaderboards](#supported-tasks-and-leaderboards) - [Languages](#languages) - [How to use](#how-to-use) - [Dataset Structure](#dataset-structure) - [Data Fields](#data-fields) - [Data Splits](#data-splits) - [Dataset Creation](#dataset-creation) - [Curation Rationale](#curation-rationale) - [Source Data](#source-data) - [Annotations](#annotations) - [Personal and Sensitive Information](#personal-and-sensitive-information) - [Considerations for Using the Data](#considerations-for-using-the-data) - [Social Impact of Dataset](#social-impact-of-dataset) - [Discussion of Biases](#discussion-of-biases) - [Other Known Limitations](#other-known-limitations) - [Additional Information](#additional-information) - [Dataset Curators](#dataset-curators) - [Licensing Information](#licensing-information) - [Citation Information](#citation-information) - [About](#about) ## Dataset Description - **Homepage:** [https://github.com/AlekseyKorshuk/huggingartists](https://github.com/AlekseyKorshuk/huggingartists) - **Repository:** [https://github.com/AlekseyKorshuk/huggingartists](https://github.com/AlekseyKorshuk/huggingartists) - **Paper:** [More Information Needed](https://github.com/huggingface/datasets/blob/master/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards) - **Point of Contact:** [More Information Needed](https://github.com/huggingface/datasets/blob/master/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards) - **Size of the generated dataset:** 0.211227 MB <div class="inline-flex flex-col" style="line-height: 1.5;"> <div class="flex"> <div style="display:DISPLAY_1; margin-left: auto; margin-right: auto; width: 92px; height:92px; border-radius: 50%; background-size: cover; background-image: url(&#39;https://images.genius.com/d20ee1f900287060716f7594ccba7ea3.1000x1000x1.jpg&#39;)"> </div> </div> <a href="https://huggingface.co/huggingartists/joji"> <div style="text-align: center; margin-top: 3px; font-size: 16px; font-weight: 800">🤖 HuggingArtists Model 🤖</div> </a> <div style="text-align: center; font-size: 16px; font-weight: 800">Joji</div> <a href="https://genius.com/artists/joji"> <div style="text-align: center; font-size: 14px;">@joji</div> </a> </div> ### Dataset Summary The Lyrics dataset parsed from Genius. This dataset is designed to generate lyrics with HuggingArtists. Model is available [here](https://huggingface.co/huggingartists/joji). ### Supported Tasks and Leaderboards [More Information Needed](https://github.com/huggingface/datasets/blob/master/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards) ### Languages en ## How to use How to load this dataset directly with the datasets library: ```python from datasets import load_dataset dataset = load_dataset("huggingartists/joji") ``` ## Dataset Structure An example of 'train' looks as follows. ``` This example was too long and was cropped: { "text": "Look, I was gonna go easy on you\nNot to hurt your feelings\nBut I'm only going to get this one chance\nSomething's wrong, I can feel it..." } ``` ### Data Fields The data fields are the same among all splits. - `text`: a `string` feature. ### Data Splits | train |validation|test| |------:|---------:|---:| |159| -| -| 'Train' can be easily divided into 'train' & 'validation' & 'test' with few lines of code: ```python from datasets import load_dataset, Dataset, DatasetDict import numpy as np datasets = load_dataset("huggingartists/joji") train_percentage = 0.9 validation_percentage = 0.07 test_percentage = 0.03 train, validation, test = np.split(datasets['train']['text'], [int(len(datasets['train']['text'])*train_percentage), int(len(datasets['train']['text'])*(train_percentage + validation_percentage))]) datasets = DatasetDict( { 'train': Dataset.from_dict({'text': list(train)}), 'validation': Dataset.from_dict({'text': list(validation)}), 'test': Dataset.from_dict({'text': list(test)}) } ) ``` ## Dataset Creation ### Curation Rationale [More Information Needed](https://github.com/huggingface/datasets/blob/master/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards) ### Source Data #### Initial Data Collection and Normalization [More Information Needed](https://github.com/huggingface/datasets/blob/master/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards) #### Who are the source language producers? [More Information Needed](https://github.com/huggingface/datasets/blob/master/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards) ### Annotations #### Annotation process [More Information Needed](https://github.com/huggingface/datasets/blob/master/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards) #### Who are the annotators? [More Information Needed](https://github.com/huggingface/datasets/blob/master/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards) ### Personal and Sensitive Information [More Information Needed](https://github.com/huggingface/datasets/blob/master/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards) ## Considerations for Using the Data ### Social Impact of Dataset [More Information Needed](https://github.com/huggingface/datasets/blob/master/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards) ### Discussion of Biases [More Information Needed](https://github.com/huggingface/datasets/blob/master/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards) ### Other Known Limitations [More Information Needed](https://github.com/huggingface/datasets/blob/master/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards) ## Additional Information ### Dataset Curators [More Information Needed](https://github.com/huggingface/datasets/blob/master/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards) ### Licensing Information [More Information Needed](https://github.com/huggingface/datasets/blob/master/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards) ### Citation Information ``` @InProceedings{huggingartists, author={Aleksey Korshuk} year=2021 } ``` ## About *Built by Aleksey Korshuk* [](https://github.com/AlekseyKorshuk) [](https://twitter.com/intent/follow?screen_name=alekseykorshuk) [](https://t.me/joinchat/_CQ04KjcJ-4yZTky) For more details, visit the project repository. [](https://github.com/AlekseyKorshuk/huggingartists)

原始信息汇总

数据集概述

数据集描述

数据集总结

• 内容: 该数据集包含从Genius解析的歌词，旨在用于HuggingArtists模型的歌词生成。
• 模型: 相关模型可在此处获取：HuggingArtists Model。

支持的任务和排行榜

• 信息: 待补充。

语言

• 语言: 英语（en）。

数据集结构

数据字段

• text: 字符串类型，包含歌词文本。

数据分割

• 分割详情:
  • 训练集: 159条
  • 验证集: 未提供
  • 测试集: 未提供

如何使用

• 加载示例: python from datasets import load_dataset dataset = load_dataset("huggingartists/joji")

数据集创建

数据来源

• 初始数据收集和标准化: 待补充。
• 源语言生产者: 待补充。

注释

• 注释过程: 待补充。
• 注释者: 待补充。

个人和敏感信息

• 信息: 待补充。

使用数据的考虑

数据集的社会影响

• 信息: 待补充。

偏见讨论

• 信息: 待补充。

其他已知限制

• 信息: 待补充。

附加信息

数据集管理员

• 信息: 待补充。

许可信息

• 信息: 待补充。

引用信息

@InProceedings{huggingartists, author={Aleksey Korshuk} year=2021 }

搜集汇总

数据集介绍

构建方式

在数字音乐与自然语言处理交叉领域，歌词数据集的构建为生成式模型提供了珍贵的语料资源。huggingartists/joji数据集源自Genius平台，系统化地采集了音乐人Joji的歌词文本。数据集仅包含159条训练样本，每条样本以纯文本形式存储，聚焦于歌词内容的原始呈现。构建过程中，数据经过了必要的清洗与格式化处理，确保文本的连贯性与可用性。该数据集由Aleksey Korshuk主导开发，作为HuggingArtists项目的一部分，旨在为歌词生成任务提供标准化的训练材料。

特点

该数据集的核心特质在于其专一性与简洁性。所有数据均来自同一位艺术家Joji，确保了语言风格与主题的内在一致性。数据集仅包含一个'text'字段，结构极为精简，便于快速加载与处理。尽管规模小巧，但歌词文本富含情感表达与叙事元素，为模型学习特定艺术家的创作风格提供了高质量样本。此外，数据集未预设验证集与测试集划分，赋予使用者灵活分配数据空间的自由度，适应不同的实验需求。

使用方法

使用该数据集时，可通过HuggingFace的datasets库以一行代码完成加载：from datasets import load_dataset; dataset = load_dataset("huggingartists/joji")。由于数据仅包含训练集，研究者可根据需要自行划分训练、验证与测试子集。示例代码展示了如何利用NumPy按90%、7%、3%的比例分割文本数据，并构建DatasetDict对象。这一设计简化了数据预处理流程，使研究者能快速聚焦于模型训练与歌词生成任务，无需耗费精力在复杂的格式转换上。

背景与挑战

背景概述

在自然语言处理与音乐人工智能交叉领域，歌词生成任务因其兼具文本创作的艺术性与语言建模的技术性而备受关注。由研究者Aleksey Korshuk于2021年创建的huggingartists/joji数据集，隶属于HuggingArtists项目，专门针对日本裔歌手Joji的歌词进行采集与整理。该数据集从Genius平台爬取Joji的159首歌词文本，旨在为基于Transformer架构的歌词生成模型提供训练素材。其核心研究问题在于探索如何通过小规模、高风格一致性的语料库，捕捉特定艺术家的语言风格与情感表达，从而推动个性化文本生成技术的发展。作为HuggingFace生态中的特色数据集，它为研究音乐人语言建模、风格迁移及创意文本生成提供了独特的实验基准，尤其在低资源场景下的文本生成领域具有启发性价值。

当前挑战

该数据集面临的核心挑战首先体现在领域问题层面：歌词生成需兼顾诗歌韵律、情感连贯性与叙事逻辑，而Joji的歌词风格融合了忧郁、抽象与口语化表达，对模型捕捉非结构化语言模式的能力提出极高要求。其次，构建过程中遭遇多重困难：数据来源仅依赖Genius单一平台，且原始歌词可能包含非标准拼写、重复段落或情感标注缺失，导致清洗与规范化工作复杂；数据集仅含159个样本，规模极小，易引发过拟合与泛化能力不足的问题；此外，版权限制与艺术家人格权保护使得公开分发歌词数据存在法律风险，需谨慎处理数据复用边界。这些挑战共同制约着模型在歌词创作任务上的表现与公平性评估。

常用场景

经典使用场景

在自然语言处理与创意文本生成领域，huggingartists/joji数据集被广泛用于训练基于Transformer架构的歌词生成模型。该数据集收录了日裔音乐人Joji的英文歌词文本，经由Genius平台解析而成，为研究者提供了风格鲜明、情感细腻的语料资源。经典用法在于利用其短小精悍的文本序列，微调预训练语言模型（如GPT-2或BART），使其习得Joji特有的忧郁氛围与叙事节奏，从而生成具有艺术感染力的全新歌词片段。这一过程不仅验证了模型对特定音乐人语言风格的捕捉能力，也为个性化文本生成研究提供了可复现的基准。

解决学术问题

该数据集有效回应了音乐文本生成中个性化风格建模这一学术难题。传统歌词生成往往依赖大规模通用语料，难以精准复现特定艺术家的语言习惯与情感基调。huggingartists/joji通过聚焦单一创作者的歌词全集，使研究者得以深入探索小样本条件下风格迁移与韵律控制机制。它推动了对比学习在音乐文本领域的发展，助力学术界量化分析歌词中的隐喻模式、押韵结构及情感曲线，为计算诗学与数字人文研究开辟了新的实验路径，显著提升了生成文本的艺术可读性与风格保真度。

衍生相关工作

基于huggingartists/joji数据集，衍生出一系列探索音乐人风格建模的经典工作。HuggingArtists项目本身即以此数据集为起点，构建了覆盖多位艺术家歌词的模型库，推动了多风格歌词生成研究。后续工作包括利用该数据集进行歌词情感分类与风格聚类分析，验证了不同艺术家语言特征的差异化表达。亦有研究将其与音频特征结合，开展多模态歌词-旋律联合生成任务，探索音韵协同的创作范式。这些衍生研究共同丰富了音乐人工智能领域的方法论体系，确立了以艺术家为中心的数据驱动创作新方向。