RaagBase

RaagBase是一个专注于北印度古典音乐（Hindustani Music）的符号化文本数据集，由研究者基于Pt. Vishnu Narayan Bhatkhande的权威著作《Hindustani Sangeet Paddhati-Kramik Pustak Malika》创建。该数据集目前包含116条音乐作品样本，每条样本对应一个作品的音符频率分布，涵盖了Bhairav、Todi和Poorvi三种拉格（Raag），数据以CSV格式存储，源自乐谱的手动转录。其创建过程涉及从原始乐谱中提取音符序列，并将其映射为跨越三个八度（共36个可能音符）的频率分布，最终聚合为12个核心音符的频率特征。该数据集旨在支持计算音乐学研究，特别是通过图表示和图聚类技术解决拉格自动识别与分类问题，为音乐信息检索、教育推荐和智能归档等应用提供数据基础。RaagBase is a symbolic textual dataset dedicated to Hindustani classical music, developed by researchers based on the authoritative monograph *Hindustani Sangeet Paddhati-Kramik Pustak Malika* by Pt. Vishnu Narayan Bhatkhande. As of now, the dataset comprises 116 musical work samples, with each sample corresponding to the note frequency distribution of a single work, covering three ragas: Bhairav, Todi, and Poorvi. The dataset is stored in CSV format and was derived from manual transcriptions of musical scores. Its construction process entails extracting note sequences from original musical scores, mapping these sequences into frequency distributions spanning three octaves (totaling 36 possible distinct notes), and ultimately aggregating these into frequency features of 12 core musical notes. This dataset is designed to support computational musicology research, specifically addressing the automatic recognition and classification of ragas through graph representation and graph clustering techniques, and serves as a data foundation for applications including music information retrieval, educational recommendation, and intelligent archiving.

原始信息汇总

数据集概述

• 数据集名称：RaagBase
• 数据类型：印度斯坦音乐数据集，用于计算音乐学研究
• 数据来源：基于书籍《Hindusthani Sangeet Paddhati-Kramik Pustak Malika》（Pt. Vishnu Narayan Bhatkhande 编著）中的乐谱，第一卷于1953年由 Dr. Laxminarayan Garg 翻译为印地语
• 数据规模：包含116个样本，每个样本对应一首乐谱的音符频率分布
• 选取依据：从第二卷319首乐曲中，选取出现频率最高的三种拉格（Raag）的乐曲——Bhairav（42首）、Todi（39首）、Poorvi（35首）
• 文件格式：CSV文件，文件名为 Bhatkhande-Dataset.csv
• 数据内容：每首乐曲的音符信息（横跨三个八度：Madhya、Taar、Mandra Saptak），并标注对应的拉格
• 扩展计划：未来将包含全部六卷共约1900首乐曲，覆盖约50种拉格
• 附加资源：附带图模型实现代码文件 Musical-graph.ipynb，用于基于音符特征序列的图聚类分析

搜集汇总

数据集介绍

构建方式

在印度斯坦音乐的研究中，拉格识别是音乐信息检索的一项核心任务，但现有方法多依赖标注音频或标记数据集，缺乏完整的音符序列信息。为此，本研究基于潘迪特·维什努·纳拉扬·巴特坎德所著的《印度斯坦音乐体系——序列曲谱汇编》第二卷，从中选取了116首分属拜拉夫、托迪和普尔维三种拉格的乐曲，通过手动转录其乐谱中的音符序列构建了RaagBase数据集。具体而言，先将每个音符映射至涵盖低、中、高三个八度的36个音高索引，再将同一音符在不同八度中的频次合并为12个标准音高的频次分布，最终以每个样本对应一首乐曲的频率向量及其所属拉格标签的方式，存储为一个CSV文件。

特点

RaagBase数据集的核心特点在于其以音符频次分布而非完整旋律序列来表征乐曲，从而避免了即兴演奏带来的时序变异，保留了拉格内在的音高构成特征。实验表明，同类拉格的乐曲在12音高频次分布上呈现相似的轮廓，而不同拉格的分布则显著相异。这一特性使得数据集天然适用于基于相似度度量的图模型构建：每个乐曲被视为节点，节点间的余弦相似度或欧氏距离作为边权，从而将拉格识别问题转化为图上的社区发现任务。此外，数据集还揭示了“桥接节点”现象——部分乐曲因在非本拉格音阶的音高上存在非零频次，产生了跨拉格的连接，这为探究拉格间的模糊边界提供了独特的实验素材。

使用方法

使用者可将RaagBase中的频次分布向量直接用于构建全连接图，通过调整相似度阈值（如余弦相似度介于0.70至0.98之间）生成不同密度的图结构，并应用鲁汶算法或标签传播算法进行社区检测。实验表明，在余弦相似度阈值为0.90左右时，归一化互信息与调整兰德指数均超过0.96，聚类结果高度吻合真实拉格标签。在此基础上，研究者还可进一步分析桥接节点的音符偏差，通过修正非标准音高的频次来验证聚类结果的鲁棒性。该数据集以单一CSV文件形式公开，便于数据加载与跨平台复用，为统计建模、图神经网络及拉格分类研究提供了标准化基准。

背景与挑战

背景概述

RaagBase 数据集由 Chandan Misra 和 Swarup Chattopadhyay 于 2024 年提出，源自印度古典音乐家 Pt. Vishnu Narayan Bhatkhande 编纂的六卷本《Hindustani Sangeet Paddhati-Kramik Pustak Malika》中的乐谱。该数据集聚焦于印度斯坦音乐中拉格（Raag）的识别与聚类问题，为音乐信息检索领域提供了基于记谱法的文本数据。通过提取116首拉格作品的音符频率分布，RaagBase 为研究拉格之间的结构相似性提供了量化基础，并验证了图表示在拉格聚类中的有效性，推动了计算音乐学在非西方传统音乐中的应用。

当前挑战

RaagBase 面临的挑战主要源于拉格识别的领域复杂性与数据集构建的困难。领域层面，多个拉格共享相同许可音符（如 Bhoopali 与 Deshkar 共享 Aroh-Avroh），导致基于频率的相似性度量难以区分细微差异；同时，即兴演奏中的装饰音与变体虽不改变音调分布，但增加了聚类噪声。构建过程中，乐谱需手动转录为 CSV 格式，包含36个音符跨三个八度的频率统计，工作繁重且易出错；此外，部分作品未严格遵循拉格的 Aroh-Avroh 序列，形成桥接节点，需人工校正以保证聚类纯度，这限制了数据集的扩展性与自动化处理能力。

常用场景

经典使用场景

在北印度斯坦古典音乐（Hindustani Music）的研究版图中，拉格（Raag）作为旋律框架的核心载体，其识别与分类一直是音乐信息检索（MIR）领域的关键课题。RaagBase数据集的诞生，为这一学术探索提供了独特的符号学视角——它摒弃了传统依赖音频标注的繁琐范式，转而以记谱法（notation）为基础，系统收集了由音乐理论家潘迪特·巴特康迪（Pt. Bhatkhande）创作的116首作品，并构建了以音符频率分布为特征向量的结构化文本数据集。其最经典的使用场景在于：将每首作品映射为36维或12维的音符频率向量，借助余弦相似度与欧氏距离度量作品间的旋律亲缘性，进而构建构图模型，通过图聚类算法（如Louvain算法与标签传播算法）实现拉格的无监督归并。这一框架不仅验证了频率分布作为拉格辨识特征的鲁棒性，更为跨作品、跨拉格的群集分析奠定了方法论基石。

衍生相关工作

RaagBase的发布催生了一系列具有启发性与承接性的经典工作。在方法论层面，其图表示框架直接启发了基于重叠社区检测（overlapping community detection）的拉格交叉分析，例如通过允许单个作品隶属于多个拉格社区，进一步发掘那些在阿洛赫-阿弗洛赫边界上徘徊的“混种”作品，从而深化对拉格共性与变异的理解。在模型进阶上，研究者将频率分布特征与序列建模（如基于转移概率的隐马尔可夫模型、音符级别的双向长短期记忆网络）相结合，在保持频率鲁棒性的同时，恢复了时间维度的结构化信息，显著提升了同类拉格的细粒度判别能力。此外，RaagBase的公开也推动了多模态数据集的融合趋势：后续工作开始尝试将音符频率分布与音频频谱特征、情感标注进行联合嵌入，构建更全面的音乐智能分析管线。而在理论阐释层面，关于桥接节点中“非许可音符”的发现，催生了一批专门探讨拉格音符自由度与即兴规范的符号学论文，使数据驱动的研究方法首次能与深厚的印度古典音乐美学体系形成有效对话。

数据集最近研究

最新研究方向

在印度斯坦音乐信息检索领域，RaagBase数据集的问世为拉格识别提供了全新的符号化研究视角。该数据集基于 Bhatkhande 记谱体系，将旋律结构转化为音级频率分布，突破了传统音频标注的局限性。当前前沿研究方向聚焦于利用图聚类算法（如 Louvain 和标签传播算法）对拉格进行无监督社区发现，通过余弦相似度和欧氏距离构建作曲间的关联图，从而实现高精度的拉格分类。这一方法不仅验证了频率分布在表征拉格特性上的鲁棒性，还揭示了桥接节点在跨拉格作曲中的音乐学意义。该研究为大规模、无标注的印度斯坦音乐数据分析奠定了方法论基础，对音乐教育、智能归档与推荐系统具有深远影响。

相关研究论文

• Graph Representation of RaagBase: A Unique Dataset for Hindustani Music

  · 2026年