laowushi / chineselyrics

10W首中文歌词数据库

ChineseLyrics 中文歌词数据库

10W+首歌词数据, 给做NLP和数据分析领域的朋友们提供参考

基于此数据库做了两个歌词生成器
tensorflow版本: https://github.com/dengxiuqi/Lyricist-tensorflow
pytorch版本: https://github.com/dengxiuqi/Lyricist-torch

项目简介

通过网络收集整理的中文歌词数据库, 包含:

• 绝大多数华语歌手在2019年之前的歌曲
• 4019位歌手, 其中作品数20首以上的1086人, 100首以上233人
• 102197首歌曲, 平均每人25.4首歌

格式简介

• 10W+首歌被分别记录在5个json文件中
• 歌词数据已按歌手进行聚类, 并根据作品数量降序排列
  name: 歌名
  singer: 歌手名
  lyric: 歌词

词频统计

• data/words.json: 将所有歌词的词频排序
• data/first_words.json: 将用作句子开头的词语按词频排序
• data/rhymes.json: 根据统计得到的拼音押韵表

仅供学习交流使用!