huggingartists/sum-41

该数据集是从Genius解析的歌词数据集，旨在与HuggingArtists一起生成歌词。数据集包含134条训练数据，数据字段为text，表示歌词内容。数据集的使用方法包括如何加载和分割数据。

原始信息汇总

数据集概述

数据集名称

• 名称: huggingartists/sum-41

数据集描述

• 摘要: 该数据集是从Genius解析的歌词数据，旨在用于生成歌词的HuggingArtists模型。
• 语言: 英语 (en)
• 数据集大小: 0.196472 MB

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:
  • train: 134条记录
  • validation 和 test 目前未定义，但可通过代码分割。

使用方法

• 通过以下Python代码加载数据集: python from datasets import load_dataset dataset = load_dataset("huggingartists/sum-41")

数据集创建

• 来源数据: 数据源自Genius网站。
• 注释: 注释过程和注释者信息待补充。
• 个人和敏感信息: 信息待补充。

注意事项

• 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 }

数据集使用示例

python from datasets import load_dataset, Dataset, DatasetDict import numpy as np

datasets = load_dataset("huggingartists/sum-41")

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)}) } )