spotify-tracks-dataset

מה זה

המאגר כולל בין מאה אלף למיליון שורות, כשכל רשומה מייצגת שיר ומכילה מזהה ייחודי, שמות האמנים, האלבום ושם הרצועה, לצד תיוג ז'אנר מתוך 125 קטגוריות. הנתונים נאספו ישירות דרך ה־API של ספוטיפיי באמצעות פייתון, ועברו ניקוי לפני הפרסום.

עיקר הערך כאן נמצא במאפייני האודיו המחושבים של ספוטיפיי. לכל שיר מוצמדים ערכים רציפים ומספריים כמו מדד קצביות ורקידות, אנרגיה, אקוסטיות, חיוביות, עוצמת קול בדציבלים, קצב בדקות, סולם ומשקל מוזיקלי. לצדם מופיעים משתנים בוליאניים כמו תוכן בוטה, ומדד פופולריות פנימי שנע בין אפס למאה.

מתאים ל

• סיווג ז'אנר מוזיקלי

  אימון מודל טבלאי לחיזוי הז'אנר מתוך 125 הקטגוריות על בסיס שילוב מאפייני האודיו המספריים.

• מערכת המלצות תוכן

  בניית מנוע למציאת שירים דומים לפי מרחב התכונות של קצביות, אנרגיה ואקוסטיות.

• חיזוי פופולריות

  ניתוח רגרסיה שמנסה לאמוד את ציון הפופולריות של שיר לפי האורך והתכונות המוזיקליות שלו.

איפה זה נופל

הקובץ אינו מכיל אודיו גולמי אלא רק תכונות מחושבות של ספוטיפיי, כך שאי אפשר לחלץ ממנו מאפיינים עצמאיים. שפת הנתונים מוגדרת כאנגלית בלבד, ואין ייצוג מכוון של מוזיקה ישראלית או מקומית. מדד הפופולריות משקף אלגוריתם פנימי שתלוי בהשמעות סביב מועד איסוף המידע באמצע 2023, ולכן הוא מייצג צילום מצב נקודתי ומאבד דיוק לאורך זמן.

איך טוענים

הנתונים מגיעים בקובץ CSV יחיד בשם dataset.csv, ללא צורך בהרשאות מיוחדות, מפתחות או אישור גישה מראש. אפשר לטעון אותו מיידית לתוך פנדס או ספריות מקבילות. שימו לב שעמודת האמנים מפרידה שמות מרובים באמצעות נקודה פסיק, וערכי מפתח מסומנים בספרות של סולמות מוזיקליים, כך שחלק מהעמודות דורשות פענוח ועיבוד מקדים לפני הכנסה למודל.

from datasets import load_dataset

ds = load_dataset("maharshipandya/spotify-tracks-dataset")

הרישיון

המאגר פורסם תחת רישיון BSD פתוח ומתירני, שמאפשר שימוש מסחרי, שינוי והפצה, בכפוף לשמירה על הודעת זכויות היוצרים. הרישיון לא מחייב שיתוף באותם תנאים, ולכן אין מניעה חוקית לאמן עליו מודלים פנימיים או מסחריים.

הרישיון המלא ב־Hugging Face ↗