Datasetpublic

MarKos29/Music_Metadata_and_Lyrics_Dataset

Music Metadata & Lyrics Dataset Se trata de un dataset con un extenso conjunto de datos de canciones más de 200,000, combinando metadatos musicales e información de artistas.Hemos construido el dataset a partir de un original de Kaggle y lo hemos enriquecido mediante scraping a Wikidata, ampliando la información biográfica y contextual de los artistas. Cada registro contiene información sobre una canción, el artista, su contexto y campos derivados. Estructura de… See the full description on the dataset page: https://huggingface.co/datasets/MarKos29/Music_Metadata_and_Lyrics_Dataset.

sourceHugging Faceupdated 11mo agoView on Hugging Face

2likes40downloads

Dataset Card

Music Metadata & Lyrics Dataset

Se trata de un dataset con un extenso conjunto de datos de canciones más de 200,000, combinando metadatos musicales e información de artistas. Hemos construido el dataset a partir de un original de Kaggle y lo hemos *enriquecido mediante scraping a Wikidata*, ampliando la información biográfica y contextual de los artistas. Cada registro contiene información sobre una canción, el artista, su contexto y campos derivados.

Estructura de los datos

Columna	Descripción
`id`	Identificador único de la canción
`title`	Título de la canción
`artist`	Nombre del artista o grupo
`year`	Año de lanzamiento
`album`	Álbum en el que aparece la canción
`genre_song`	Género musical principal
`tag`	Etiquetas o palabras clave asociadas
`features`	Características musicales o técnicas
`views`	Número de visualizaciones o reproducciones
`duration_s`	Duración de la canción en segundos
`language_cld3`	Idioma detectado automáticamente con CLD3
`language_ft`	Idioma detectado con FastText
`language`	Idioma final consolidado
`year_of_birth`	Año de nacimiento del artista (Wikidata)
`birth_country`	País de nacimiento del artista (Wikidata)
`sex`	Sexo/género del artista (Wikidata)
`band`	Indica si es solista o parte de una banda
`awards`	Premios o reconocimientos obtenidos (Wikidata)

Estadísticas básicas

—Entradas totales: +200,000 canciones
—Período temporal: desde mediados del siglo XX hasta la actualidad
—Número de artistas únicos: varios miles

Formato y carga

El dataset está disponible en formato CSV, compatible con pandas y datasets de Hugging Face.

python

from datasets import load_dataset

dataset = load_dataset("tu-usuario/music-metadata-lyrics")
print(dataset)

Origen de los datos

—Fuente base: Dataset público en Kaggle.
—Enriquecimiento: Información biográfica de artistas y metadatos obtenidos mediante web scraping y consultas a Wikidata SPARQL API.
—Procesamiento adicional: Filtrado de idioma (CLD3, FastText), limpieza de texto y normalización de metadatos.

Licencia

Este dataset se distribuye bajo una licencia CC BY-NC-SA 4.0 (Atribución – No Comercial – Compartir Igual).

Esto significa que:

—Puedes usar, compartir y adaptar el dataset con fines no comerciales.
—Debes atribuir la fuente original (Kaggle + este proyecto).
—Si creas trabajos derivados, deben compartirse bajo la misma licencia.

Créditos y atribución

—Dataset base tomado de Kaggle (que a su vez es un filtrado de otro dataset aun mayor).
—Enriquecimiento y procesamiento adicional realizados por: [carlosmenendezh, Nachofrancoalm].
—Información biográfica obtenida de Wikidata bajo licencia CC0 1.0 Universal (Public Domain Dedication).

Contribuciones, mejoras o reportes de errores son bienvenidos.

Cita

Si utilizas este dataset, por favor cita la siguiente referencia:

bibtex

@dataset{music_metadata_lyrics_2025,
  title     = {Music Metadata & Lyrics Dataset},
  authors    = {MarKos29, carlosmenendezh, Nachofrancoalm},
  year      = {2025},
  url       = {https://huggingface.co/datasets/tu-usuario/music-metadata-lyrics},
  note      = {Dataset basado en fuente de Kaggle y enriquecido con Wikidata.}
}