数据集概述
该数据集是用于符号音乐分类的SMCBenchmark，包含已处理为npy格式但未量化的数据。涵盖多种音乐分析任务，如流派分类、节拍预测、和弦根音识别等，每个任务对应数据文件与标签文件，为符号音乐理解研究提供标准化基准。
文件详解
数据集为一个压缩文件，具体说明如下：
- 文件名称: SMCBenchmark.zip
- 文件格式: ZIP (.zip)
- 内部文件结构: 包含对应不同任务的npy格式数据文件与标签文件，任务与文件对应关系如下：
- SGC任务: tagatraum_{train, valid, test}.npy（数据）、tagatraum_{train, valid, test}genreans.npy（标签）
- BP任务: pm2s{train, valid, test}.npy（数据）、pm2s_{train, valid, test}beatans.npy（标签）
- DbP任务: pm2s{train, valid, test}.npy（数据）、pm2s_{train, valid, test}downbeatans.npy（标签）
- CR任务: augnet{train, valid, test}.npy（数据）、augnet_{train, valid, test}chordrootans.npy（标签）
- LK任务: augnet{train, valid, test}.npy（数据）、augnet_{train, valid, test}localkeyans.npy（标签）
- ME任务: pop909{train, valid, test}.npy（数据）、pop909_{train, valid, test}melodyans.npy（标签）
- VE任务: pop909{train, valid, test}.npy（数据）、pop909_{train, valid, test}velocityans.npy（标签）
- OTC任务: orch{train, valid, test}.npy（数据）、orch_{train, valid, test}textureans.npy（标签）
- PS任务: pianist8_fold{0,1,2,3,4}.npy（数据）、pianist8_fold_{0,1,2,3,4}composerans.npy（标签）
- ER任务: emopia_fold{0,1,2,3,4}.npy（数据）、emopia_fold_{0,1,2,3,4}emotionans.npy（标签）
- VF任务: tnua{train, valid, test}.npy（数据）、tnua_{train, valid, test}violin_allans.npy（标签）
- MNID任务: bps_motif_fold{0,1,2,3,4}.npy（数据）、bps_motif_fold_{0,1,2,3,4}_mnidans.npy（标签）
- 数据字段: 数据文件中每首歌包含音符列表，每个音符以[onset（起始时间）, offset（结束时间）, MIDI pitch（音高）]表示；标签文件为对应任务的类别标签列表
适用场景
- 符号音乐分类模型训练与评估
- 音乐信息检索算法性能测试
- 音乐流派、节拍、和弦等特征分析研究
- 跨任务音乐智能模型泛化能力验证
- 音乐情感识别与风格迁移研究
