pianistprogrammer/abc2vec-irish-folk-dataset

---
license: cc-by-4.0
task_categories:
- other
language:
- en
tags:
- music
- folk-music
- irish-traditional-music
- abc-notation
- symbolic-music
size_categories:
- 100K<n<1M
---

# ABC2Vec Irish Folk Music Dataset

This dataset contains 211,524 Irish traditional tunes in ABC notation, preprocessed and split for training representation learning models.

## Dataset Description

- **Curated by:** IrishMAN Dataset (The Session + ABCnotation.com)
- **Processed for:** ABC2Vec: Self-Supervised Representation Learning for Irish Folk Music
- **Language:** ABC notation (symbolic music format)
- **License:** CC-BY-4.0

## Dataset Structure

### Data Splits

| Split | Tunes | File Size |
|-------|-------|-----------|
| Train | 198,893 | 70 MB |
| Validation | 10,469 | 3.7 MB |
| Test | 2,162 | 778 KB |
| **Total** | **211,524** | **~74 MB** |

### Data Fields

Each tune contains:
- `tune_id`: Unique identifier
- `title`: Tune name
- `abc_body`: ABC notation of the melody
- `tune_type`: Rhythmic category (jig, reel, polka, waltz, etc.)
- `mode`: Tonal mode (major, minor, dorian, mixolydian)
- `key`: Key signature
- `meter`: Time signature
- `bar_count`: Number of bars in the tune

### Dataset Statistics

- **Tune Types:** 44.9% reels, 21.3% jigs, 14.5% polkas, 12.2% waltzes
- **Modes:** 80.2% major, 11.3% minor, 5.4% Dorian, 3.0% Mixolydian
- **Keys:** 30.5% G, 26.8% D, 13.9% A (sharp keys dominant)
- **Median Length:** 18 bars, 287 characters

## Usage

```python
from datasets import load_dataset

# Load the entire dataset
dataset = load_dataset("pianistprogrammer/abc2vec-irish-folk-dataset")

# Access splits
train = dataset["train"]
val = dataset["validation"]
test = dataset["test"]

# Example tune
print(train[0]["abc_body"])
print(f"Type: {train[0]['tune_type']}, Mode: {train[0]['mode']}")
```

## Citation

If you use this dataset, please cite:

```bibtex
@article{abc2vec2025,
title={ABC2Vec: Self-Supervised Representation Learning for Irish Folk Music},
author={[Your Name]},
journal={[Journal Name]},
year={2025}
}
```

## Source

This dataset is derived from:
- **The Session** (thesession.org): Community-maintained Irish traditional music archive
- **ABCnotation.com**: Long-standing ABC notation repository

Processed as part of the IrishMAN (Irish Music ABC Notation) corpus.

## License

Creative Commons Attribution 4.0 International (CC-BY-4.0)

The original tunes are traditional folk music in the public domain. This processed dataset is released under CC-BY-4.0.

## Additional Files

- `vocab.json`: Character vocabulary for tokenization (98 tokens)
- `metadata.csv`: Complete metadata for all 211,524 tunes

## Contact

For questions or issues with this dataset, please open an issue on the [ABC2Vec GitHub repository](https://github.com/pianistprogrammer/ABC2VEC).

---
许可证：CC-BY-4.0
任务类别：
- 其他
语言：
- 英语
标签：
- 音乐
- 民间音乐
- 爱尔兰传统音乐
- ABC记谱法（ABC notation）
- 符号化音乐
数据规模：
- 10万 < 样本数 < 100万
---

# ABC2Vec 爱尔兰民间音乐数据集

本数据集包含211,524首采用ABC记谱法（ABC notation）记写的爱尔兰传统曲调，已完成预处理与数据集划分，可用于训练表征学习模型。

## 数据集说明
- **整理方：** IrishMAN 数据集（整合The Session与ABCnotation.com资源）
- **适配任务：** ABC2Vec：面向爱尔兰民间音乐的自监督表征学习（Self-Supervised Representation Learning for Irish Folk Music）
- **语言：** ABC记谱法（符号化音乐格式）
- **许可协议：** CC-BY-4.0

## 数据集结构
### 数据集拆分
| 拆分集 | 曲调数量 | 文件大小 |
|-------|-------|-----------|
| 训练集 | 198,893 | 70 MB |
| 验证集 | 10,469 | 3.7 MB |
| 测试集 | 2,162 | 778 KB |
| **总计** | **211,524** | **~74 MB** |

### 数据字段
每首曲调包含以下字段：
- `tune_id`：唯一标识符
- `title`：曲调名称
- `abc_body`：旋律的ABC记谱内容
- `tune_type`：节奏类别（如吉格舞曲（jig）、里尔舞曲（reel）、波洛奈兹舞曲（polka）、圆舞曲（waltz）等）
- `mode`：调式（如大调（major）、小调（minor）、多利亚调（dorian）、混合利底亚调（mixolydian）等）
- `key`：调号
- `meter`：节拍（time signature）
- `bar_count`：曲调的小节数

## 数据集统计
- **曲调类型分布：** 44.9%为里尔舞曲（reel），21.3%为吉格舞曲（jig），14.5%为波洛奈兹舞曲（polka），12.2%为圆舞曲（waltz）
- **调式分布：** 80.2%为大调（major），11.3%为小调（minor），5.4%为多利亚调（dorian），3.0%为混合利底亚调（mixolydian）
- **调号分布：** 30.5%为G调，26.8%为D调，13.9%为A调（升号调占主导）
- **中位数长度：** 18小节，287个字符

## 使用方法
python
from datasets import load_dataset

# 加载完整数据集
dataset = load_dataset("pianistprogrammer/abc2vec-irish-folk-dataset")

# 访问对应拆分集
train = dataset["train"]
val = dataset["validation"]
test = dataset["test"]

# 示例曲调
print(train[0]["abc_body"])
print(f"Type: {train[0]['tune_type']}, Mode: {train[0]['mode']}")

## 引用格式
如果使用本数据集，请引用以下文献：
bibtex
@article{abc2vec2025,
title={ABC2Vec: Self-Supervised Representation Learning for Irish Folk Music},
author={[Your Name]},
journal={[Journal Name]},
year={2025}
}

## 数据来源
本数据集源自以下资源：
- **The Session**（thesession.org）：社区维护的爱尔兰传统音乐档案库
- **ABCnotation.com**：长期运营的ABC记谱法资源库
本数据集属于IrishMAN（爱尔兰音乐ABC记谱法，Irish Music ABC Notation）语料库的处理后版本。

## 许可协议
知识共享署名4.0国际许可协议（CC-BY-4.0）
原始曲调均属于公有领域的传统民间音乐，本处理后的数据集采用CC-BY-4.0协议发布。

## 附加文件
- `vocab.json`：用于分词的字符词表（共98个Token）
- `metadata.csv`：全部211,524首曲调的完整元数据

## 联系方式
如有关于本数据集的疑问或问题，请在[ABC2Vec GitHub仓库](https://github.com/pianistprogrammer/ABC2VEC)提交Issue。