BhavyaMuni/artist-lyrics

---
dataset_info:
features:
- name: text
dtype: string
splits:
- name: beyonce
num_bytes: 593257
num_examples: 17188
- name: sia
num_bytes: 290482
num_examples: 8410
- name: anitta
num_bytes: 52302
num_examples: 1536
- name: adele
num_bytes: 123431
num_examples: 3719
- name: eminem
num_bytes: 1884010
num_examples: 43830
- name: ed_sheeran
num_bytes: 437717
num_examples: 11731
- name: coldplay
num_bytes: 229712
num_examples: 7037
- name: pink
num_bytes: 338827
num_examples: 9922
- name: taylor_swift
num_bytes: 696163
num_examples: 19203
- name: imagine_dragons
num_bytes: 213012
num_examples: 6208
- name: justin_bieber
num_bytes: 550768
num_examples: 15086
- name: ludmilla
num_bytes: 826
num_examples: 24
- name: the_beatles
num_bytes: 298451
num_examples: 8894
- name: maroon_5
num_bytes: 296992
num_examples: 8401
- name: bruno_mars
num_bytes: 241371
num_examples: 6831
- name: lady_gaga
num_bytes: 495013
num_examples: 14949
- name: lana_del_rey
num_bytes: 518382
num_examples: 14768
- name: ariana_grande
num_bytes: 352469
num_examples: 10024
- name: christina_perri
num_bytes: 81053
num_examples: 2358
- name: phil_collins
num_bytes: 180491
num_examples: 4718
- name: rihanna
num_bytes: 524927
num_examples: 15505
- name: camila_cabello
num_bytes: 147677
num_examples: 4137
- name: bon_jovi
num_bytes: 550018
num_examples: 15139
- name: elton_john
num_bytes: 656548
num_examples: 17599
- name: john_legend
num_bytes: 266362
num_examples: 7744
- name: john_lennon
num_bytes: 128386
num_examples: 3685
- name: pink_floyd
num_bytes: 164745
num_examples: 4588
- name: scorpions
num_bytes: 293093
num_examples: 8990
- name: red_hot_chili_peppers
num_bytes: 365278
num_examples: 11353
- name: 50_cent
num_bytes: 1371989
num_examples: 32353
- name: nirvana
num_bytes: 103195
num_examples: 3345
- name: queen
num_bytes: 271145
num_examples: 8132
- name: katy_perry
num_bytes: 348706
num_examples: 10383
- name: alok
num_bytes: 67991
num_examples: 2115
- name: u2
num_bytes: 402969
num_examples: 12790
- name: black_eyed_peas
num_bytes: 445727
num_examples: 12127
- name: michael_jackson
num_bytes: 529153
num_examples: 16749
- name: jason_mraz
num_bytes: 381834
num_examples: 10153
- name: guns_n_roses
num_bytes: 177135
num_examples: 5120
- name: alicia_keys
num_bytes: 330863
num_examples: 9934
- name: rammstein
num_bytes: 56457
num_examples: 1973
- name: shawn_mendes
num_bytes: 156939
num_examples: 4398
- name: linkin_park
num_bytes: 331637
num_examples: 9580
- name: shakira
num_bytes: 136600
num_examples: 4227
download_size: 7993813
dataset_size: 16104173
---
# Dataset Card for "artist-lyrics"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

数据集信息：
特征列表：
- 名称：text，数据类型：字符串
数据集拆分：
- 拆分名称：碧昂丝（Beyoncé），字节数：593257，样本数量：17188
- 拆分名称：希雅（Sia），字节数：290482，样本数量：8410
- 拆分名称：安妮塔（Anitta），字节数：52302，样本数量：1536
- 拆分名称：阿黛尔（Adele），字节数：123431，样本数量：3719
- 拆分名称：埃米纳姆（Eminem），字节数：1884010，样本数量：43830
- 拆分名称：艾德·希兰（Ed Sheeran），字节数：437717，样本数量：11731
- 拆分名称：酷玩乐队（Coldplay），字节数：229712，样本数量：7037
- 拆分名称：P!NK（Pink），字节数：338827，样本数量：9922
- 拆分名称：泰勒·斯威夫特（Taylor Swift），字节数：696163，样本数量：19203
- 拆分名称：梦龙乐队（Imagine Dragons），字节数：213012，样本数量：6208
- 拆分名称：贾斯汀·比伯（Justin Bieber），字节数：550768，样本数量：15086
- 拆分名称：卢德米拉（Ludmilla），字节数：826，样本数量：24
- 拆分名称：披头士乐队（The Beatles），字节数：298451，样本数量：8894
- 拆分名称：魔力红乐队（Maroon 5），字节数：296992，样本数量：8401
- 拆分名称：布鲁诺·马尔斯（Bruno Mars），字节数：241371，样本数量：6831
- 拆分名称：嘎嘎小姐（Lady Gaga），字节数：495013，样本数量：14949
- 拆分名称：拉娜·德雷（Lana Del Rey），字节数：518382，样本数量：14768
- 拆分名称：爱莉安娜·格兰德（Ariana Grande），字节数：352469，样本数量：10024
- 拆分名称：克里斯蒂娜·佩里（Christina Perri），字节数：81053，样本数量：2358
- 拆分名称：菲尔·柯林斯（Phil Collins），字节数：180491，样本数量：4718
- 拆分名称：蕾哈娜（Rihanna），字节数：524927，样本数量：15505
- 拆分名称：卡米拉·卡贝洛（Camila Cabello），字节数：147677，样本数量：4137
- 拆分名称：邦·乔维（Bon Jovi），字节数：550018，样本数量：15139
- 拆分名称：埃尔顿·约翰（Elton John），字节数：656548，样本数量：17599
- 拆分名称：约翰·传奇（John Legend），字节数：266362，样本数量：7744
- 拆分名称：约翰·列侬（John Lennon），字节数：128386，样本数量：3685
- 拆分名称：平克·弗洛伊德（Pink Floyd），字节数：164745，样本数量：4588
- 拆分名称：蝎子乐队（Scorpions），字节数：293093，样本数量：8990
- 拆分名称：红辣椒乐队（Red Hot Chili Peppers），字节数：365278，样本数量：11353
- 拆分名称：50美分（50 Cent），字节数：1371989，样本数量：32353
- 拆分名称：涅槃乐队（Nirvana），字节数：103195，样本数量：3345
- 拆分名称：皇后乐队（Queen），字节数：271145，样本数量：8132
- 拆分名称：凯蒂·佩里（Katy Perry），字节数：348706，样本数量：10383
- 拆分名称：阿洛克（Alok），字节数：67991，样本数量：2115
- 拆分名称：U2，字节数：402969，样本数量：12790
- 拆分名称：黑眼豆豆乐队（Black Eyed Peas），字节数：445727，样本数量：12127
- 拆分名称：迈克尔·杰克逊（Michael Jackson），字节数：529153，样本数量：16749
- 拆分名称：杰森·玛耶兹（Jason Mraz），字节数：381834，样本数量：10153
- 拆分名称：枪炮与玫瑰乐队（Guns N' Roses），字节数：177135，样本数量：5120
- 拆分名称：艾丽西亚·凯斯（Alicia Keys），字节数：330863，样本数量：9934
- 拆分名称：德国战车（Rammstein），字节数：56457，样本数量：1973
- 拆分名称：肖恩·蒙德兹（Shawn Mendes），字节数：156939，样本数量：4398
- 拆分名称：林肯公园（Linkin Park），字节数：331637，样本数量：9580
- 拆分名称：夏奇拉（Shakira），字节数：136600，样本数量：4227
下载总大小：7993813
数据集总大小：16104173

# "歌手歌词"数据集卡片

[需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集特征

• 名称: text
• 数据类型: string

数据集分割

• beyonce
  • 字节数: 593257
  • 样本数: 17188
• sia
  • 字节数: 290482
  • 样本数: 8410
• anitta
  • 字节数: 52302
  • 样本数: 1536
• adele
  • 字节数: 123431
  • 样本数: 3719
• eminem
  • 字节数: 1884010
  • 样本数: 43830
• ed_sheeran
  • 字节数: 437717
  • 样本数: 11731
• coldplay
  • 字节数: 229712
  • 样本数: 7037
• pink
  • 字节数: 338827
  • 样本数: 9922
• taylor_swift
  • 字节数: 696163
  • 样本数: 19203
• imagine_dragons
  • 字节数: 213012
  • 样本数: 6208
• justin_bieber
  • 字节数: 550768
  • 样本数: 15086
• ludmilla
  • 字节数: 826
  • 样本数: 24
• the_beatles
  • 字节数: 298451
  • 样本数: 8894
• maroon_5
  • 字节数: 296992
  • 样本数: 8401
• bruno_mars
  • 字节数: 241371
  • 样本数: 6831
• lady_gaga
  • 字节数: 495013
  • 样本数: 14949
• lana_del_rey
  • 字节数: 518382
  • 样本数: 14768
• ariana_grande
  • 字节数: 352469
  • 样本数: 10024
• christina_perri
  • 字节数: 81053
  • 样本数: 2358
• phil_collins
  • 字节数: 180491
  • 样本数: 4718
• rihanna
  • 字节数: 524927
  • 样本数: 15505
• camila_cabello
  • 字节数: 147677
  • 样本数: 4137
• bon_jovi
  • 字节数: 550018
  • 样本数: 15139
• elton_john
  • 字节数: 656548
  • 样本数: 17599
• john_legend
  • 字节数: 266362
  • 样本数: 7744
• john_lennon
  • 字节数: 128386
  • 样本数: 3685
• pink_floyd
  • 字节数: 164745
  • 样本数: 4588
• scorpions
  • 字节数: 293093
  • 样本数: 8990
• red_hot_chili_peppers
  • 字节数: 365278
  • 样本数: 11353
• 50_cent
  • 字节数: 1371989
  • 样本数: 32353
• nirvana
  • 字节数: 103195
  • 样本数: 3345
• queen
  • 字节数: 271145
  • 样本数: 8132
• katy_perry
  • 字节数: 348706
  • 样本数: 10383
• alok
  • 字节数: 67991
  • 样本数: 2115
• u2
  • 字节数: 402969
  • 样本数: 12790
• black_eyed_peas
  • 字节数: 445727
  • 样本数: 12127
• michael_jackson
  • 字节数: 529153
  • 样本数: 16749
• jason_mraz
  • 字节数: 381834
  • 样本数: 10153
• guns_n_roses
  • 字节数: 177135
  • 样本数: 5120
• alicia_keys
  • 字节数: 330863
  • 样本数: 9934
• rammstein
  • 字节数: 56457
  • 样本数: 1973
• shawn_mendes
  • 字节数: 156939
  • 样本数: 4398
• linkin_park
  • 字节数: 331637
  • 样本数: 9580
• shakira
  • 字节数: 136600
  • 样本数: 4227

数据集大小

• 下载大小: 7993813 字节
• 数据集大小: 16104173 字节

搜集汇总

数据集介绍

构建方式

在音乐文本分析领域，歌词数据作为洞察艺术家创作风格与语言模式的珍贵资源，其系统化整合显得尤为重要。BhavyaMuni/artist-lyrics数据集通过汇聚来自全球范围内广泛影响力的音乐人作品，构建了一个多风格、多语种的歌词语料库。该数据集以艺术家为单位进行划分，涵盖从流行、摇滚到嘻哈等不同音乐流派的歌词文本，每一子集均以艺术家姓名命名，并包含对应数量的歌词条目，从而形成层次清晰、结构分明的数据组织体系。

使用方法

该数据集可直接通过HuggingFace Datasets库加载使用，用户只需指定数据集名称'BhavyaMuni/artist-lyrics'即可获取完整的歌词文本。数据以单一'text'字段存储，格式简洁，便于接入各类文本分析流程。研究人员可根据研究目标按艺术家名称选择特定子集，例如加载'beyonce'子集进行流行音乐歌词分析，或结合多个子集开展跨艺术家的风格迁移、主题建模等任务。数据集无需额外预处理即可用于训练词嵌入、歌词生成模型或进行情感分析等下游应用。

背景与挑战

背景概述

在自然语言处理与音乐信息检索的交叉领域中，歌词作为承载情感表达与文化内涵的文本载体，日益受到研究者的关注。由BhavyaMuni于2023年创建的artist-lyrics数据集，汇集了50位全球知名艺术家（包括碧昂丝、泰勒·斯威夫特、埃米纳姆等）的歌词文本，涵盖流行、摇滚、说唱等多种音乐流派，总计超过16MB的语料资源。该数据集的核心研究问题在于为歌词风格分析、艺术家语言特征建模以及音乐情感计算提供标准化的训练基准，其多艺术家、多流派的丰富结构为跨风格文本生成与作者身份识别等任务奠定了重要基础，对推动音乐人工智能与计算歌词学的发展具有显著影响力。

当前挑战

该数据集所面临的挑战首先体现在领域问题的复杂性上：歌词文本兼具诗歌的韵律性与口语的随意性，传统文本分类算法难以有效捕捉其隐含的节奏结构与情感层次，尤其在多艺术家风格迁移与零样本歌词生成任务中，模型常面临风格混淆与语义断裂的困境。其次，构建过程中遭遇了显著的数据异质性挑战——不同艺术家的歌词在长度分布、词汇丰富度及语言风格上差异悬殊（如埃米纳姆的歌词条目数量是克里斯蒂娜·佩里的近20倍），此外，部分艺术家的数据规模极小（如Ludmilla仅含24条样本），导致模型在少数类别上存在严重的过拟合风险，数据不平衡问题亟待解决。

常用场景

经典使用场景

BhavyaMuni/artist-lyrics数据集汇聚了碧昂丝、阿黛尔、埃米纳姆、酷玩乐队、泰勒·斯威夫特等数十位全球知名音乐人的歌词文本，涵盖流行、摇滚、嘻哈、电子等多种音乐流派。其经典使用场景在于为自然语言处理与音乐信息检索领域提供高质量的歌词语料库，研究者可借此开展歌词风格分析、情感挖掘、主题建模以及跨艺术家语言模式对比等任务，从而揭示歌词中蕴含的文化特征与艺术表达规律。

解决学术问题

该数据集有效解决了歌词领域缺乏大规模、多艺术家、多流派结构化文本资源的学术困境。以往研究常受限于数据稀疏或风格单一，难以深入探讨歌词的语义演化、情感倾向与音乐类型的关联性。借助该数据集，学者能够系统性地分析不同艺术家在词汇选择、修辞手法及叙事结构上的异同，推动计算音乐学与数字人文学科的交叉发展，并为歌词自动生成、情感分类等下游任务提供坚实的基准支撑。

实际应用

在实际应用中，该数据集可赋能音乐推荐系统的语义理解模块，通过解析歌词主题与情感色彩，实现基于内容而非仅依赖元数据的个性化歌单生成。此外，它还能服务于智能歌词检索平台，支持用户以关键词、情感或风格为查询条件精准定位歌曲。在音乐教育领域，歌词数据可辅助创作教学，帮助学习者分析经典作品的写作技巧，提升词作能力。

数据集最近研究

最新研究方向

在计算音乐学与自然语言处理的交叉领域，歌词数据集正成为探索文化表征与艺术创作模式的前沿阵地。BhavyaMuni/artist-lyrics数据集汇聚了从披头士到泰勒·斯威夫特等跨越半个世纪的多元歌手歌词，涵盖流行、摇滚、嘻哈等多种流派，为研究歌词文本中的情感演化、主题聚类及作者风格迁移提供了丰富的语料基础。当前，该数据集被广泛应用于歌词生成模型的微调、基于Transformer架构的歌手识别任务，以及通过词嵌入技术分析不同时代歌词的语义变迁。随着生成式AI在音乐创作中的渗透，这类高质量、多标签的歌词库不仅推动了歌词风格转换与跨语言歌词适配的研究，也为量化分析全球流行音乐的文化融合趋势提供了关键支撑，其影响力正从学术研究延伸至音乐产业的内容创作与版权保护领域。