five

Sacred Harp datasets

收藏
github2018-10-20 更新2024-05-31 收录
下载链接:
https://github.com/edjw/Sacred-Harp-datasets
下载链接
链接失效反馈
官方服务:
资源简介:
这是一个包含《圣乐之声,1991年版(丹森修订)》中所有歌曲的单一数据集。提供了一个.csv电子表格和一个.json文件。数据包括歌曲编号、标题、作曲家/来源、创作日期、诗人/来源、诗歌日期、诗歌韵律、歌词和时间签名。

This is a single dataset containing all the songs from 'The Sound of Sacred Music, 1991 Edition (Denson Revision)'. It provides a .csv spreadsheet and a .json file. The data includes song numbers, titles, composers/sources, creation dates, poets/sources, poetry dates, poetic meters, lyrics, and time signatures.
创建时间:
2018-10-09
原始信息汇总

Sacred Harp数据集概述

数据集内容

  • 数据格式:包含.csv.json两种文件格式。
  • 数据内容
    • 歌曲编号
    • 纯歌曲编号(无t或b标识)
    • 歌曲标题
    • 作曲者/来源
    • 创作日期
    • 诗人/来源
    • 诗歌日期
    • 诗歌韵律
    • 歌词
    • 时间签名

数据来源

搜集汇总
数据集介绍
main_image_url
构建方式
Sacred Harp datasets的构建,是对《The Sacred Harp, 1991 Edition (Denson Revision)》中所有歌曲的整合。该数据集的构建者从fasola.org网站的主歌曲索引及时间签名索引中,提取了包括歌曲编号、标题、作曲者/来源、创作日期、诗人/来源、诗歌日期、诗歌韵律、歌词以及时间签名等信息,并以.csv和.json两种格式存储。
特点
该数据集的特点在于其内容的全面性与系统性。不仅包含了歌曲的基本信息,如编号、标题和创作来源,还详细记录了歌曲的诗歌韵律和歌词,为音乐学、文学及文化研究等领域提供了珍贵的原始资料。同时,数据以两种流行数据格式存储,方便了不同用户的需求。
使用方法
用户可通过访问数据集提供的.csv或.json文件,直接使用该数据集。针对具体研究需求,用户可对数据集中的字段进行筛选、整合与分析。此外,数据集来源于fasola.org的权威索引,保证了数据的可靠性和准确性。
背景与挑战
背景概述
Sacred Harp datasets是一项专注于宗教音乐研究的学术资源,搜集整理了《The Sacred Harp, 1991 Edition (Denson Revision)》中的所有歌曲信息。该数据集由音乐学及文化研究领域专家共同构建,旨在为学者提供详实可靠的音乐文本资料。自创建以来,该数据集对于研究美国宗教音乐传统、尤其是Shape-Note音乐传统,产生了深远影响,成为该领域内不可或缺的研究工具。
当前挑战
在构建Sacred Harp datasets的过程中,研究人员面临着数据整合与标准化的挑战。具体而言,挑战包括从不同来源收集数据的统一格式问题,以及确保作曲家、诗人信息的准确性与完整性。此外,在领域问题上,该数据集所解决的挑战是如何通过数字化手段保存并传播Shape-Note音乐文化,以便于不同背景的研究者能够无障碍地访问和研究这些珍贵音乐资料。
常用场景
经典使用场景
在音乐学及音乐信息学研究领域,Sacred Harp datasets数据集被广泛用于音乐作品的文本分析及音乐理论探索。该数据集收录了《The Sacred Harp, 1991 Edition (Denson Revision)》中的所有歌曲,其详细记录了歌曲编号、曲名、作曲者、创作日期、作词者、作词日期、诗的格律、歌词以及时间签名等信息,为研究者提供了一个全面的音乐文本资源,使其能够深入分析歌曲结构与风格。
实际应用
在实际应用中,Sacred Harp datasets数据集可供音乐教育者用于教学,辅助学生理解不同历史时期的音乐风格和特点。同时,音乐出版商和创作者亦可借助该数据集来策划新的音乐作品,或对既有作品进行改编。
衍生相关工作
基于该数据集,衍生了多项研究工作,包括音乐风格分类、音乐情感分析以及音乐教育资源的开发等。这些研究不仅加深了我们对传统音乐形式的理解,也促进了音乐信息学领域的交叉学科研究。
以上内容由遇见数据集搜集并总结生成
5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作