huggingartists/scriptonite

该数据集名为huggingartists/scriptonite，主要包含从Genius网站解析的歌词数据，旨在用于生成歌词。数据集的生成大小为1.251394 MB，语言为英语。数据集的结构包含一个train分割，共有367条数据，数据字段为text，表示歌词内容。

原始信息汇总

数据集概述

数据集描述

• 数据集名称: huggingartists/scriptonite
• 数据集概要: 该数据集从Genius解析的歌词数据，旨在与HuggingArtists模型一起生成歌词。
• 支持的任务和排行榜: [更多信息待补充]
• 语言: 英语

数据集结构

• 数据字段:
  • text: 字符串类型，包含歌词内容。
• 数据分割:
  • train: 367条记录
  • validation 和 test: 未明确分割，但可通过代码进行分割。

数据集创建

• 来源数据: 数据收集和标准化过程细节待补充。
• 注释: 注释过程和注释者信息待补充。
• 个人和敏感信息: 相关信息待补充。

使用数据注意事项

• 社会影响: 待补充。
• 偏见讨论: 待补充。
• 其他已知限制: 待补充。

附加信息

• 数据集管理员: 待补充。

• 许可信息: 待补充。

• 引用信息:

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

如何使用数据集

python from datasets import load_dataset

dataset = load_dataset("huggingartists/scriptonite")

数据集分割示例

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

datasets = load_dataset("huggingartists/scriptonite")

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)}) } )