Multi-modal dataset for music genre recognition based on six different modalities for LMD-aligned and SLAC datasets
Notice bibliographique
Résumé
Multi-modal dataset for music genre recognition based on six different modalities for the LMD-aligned [1] and SLAC [2] datasets. Further details are provided in [3]. <strong>Descriptions of files</strong> Link Description LMD-aligned_Filelist.arff File list with 1575 music tracks selected from the LMD-aligned dataset [1] with tagtraum genre annotations [4] (only a subset of LMD-aligned is used, which includes only pieces for which all six modalities were accessible, and which includes only well-represented genres) LMD-aligned_ExtractedFeatures.tar.gz Raw audio signal and model-based features extracted with AMUSE [5] LMD-aligned_ProcessedFeatures.tar.gz Processed features: audio signal and model-based features aggregated for 4 s time frames with 2 s step size / all other features (see the table below) with the same values for all time frames LMD-aligned_Datasets.tar.gz Training, optimization, and test datasets for 3 splits for the recognition of 5 genres in [3] SLAC_Filelist.arff File list with 250 music tracks from the SLAC dataset [2] (genres and sub-genres are provided in the folder structure) SLAC_ExtractedFeatures.tar.gz Raw audio signal and model-based features extracted with AMUSE [5] SLAC_ProcessedFeatures.tar.gz Processed features: audio signal and model-based features aggregated for 4 s time frames with 2 s step size / all other features (see the table below) with the same values for all time frames SLAC_Datasets.tar.gz Training, optimization, and test datasets for 3 splits for the recognition of 5 genres and 10 sub-genres in [3] <strong>Modalities and feature sub-groups</strong> Modality Sub-group Dimensions in processed features of LMD-aligned Dimensions in processed features of SLAC Audio signal Low-level 1-524 1-524 Audio signal Semantic 525-810 525-810 Audio signal Structural complexity 811-908 811-908 Model-based Instruments 909-1018 909-1018 Model-based Moods 1019-1146 1019-1146 Model-based Various 1147-1402 1147-1402 Playlists Genres 1403-1973 1403-1973 Playlists Styles 1974-1695 1974-1695 Symbolic Pitch 1696-1757 1696-1757 Symbolic Melodic 1758-1781 1758-1781 Symbolic Chords 1782-1836 1782-1836 Symbolic Rhythm 1837-1935 1837-1935 Symbolic Tempo 1936-1963 1936-1963 Symbolic Instrument presence 1964-2441 1964-2441 Symbolic Instruments 2442-2456 2442-2456 Symbolic Texture 2457-2480 2457-2480 Symbolic Dynamics 2481-2484 2481-2484 Album covers SIFT 2485-2584 2485-2584 Lyrics jLyrics descriptors 2585-2603 2585-2671 Lyrics Bag-of-Words 2604-2703 Lyrics Doc2Vec 2704-2803
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».