音乐流派分类数据集

嗨，关于音乐流派分类的数据集，我最近刚好在做这方面的研究。我自己踩过的坑是，之前找数据集的时候，发现很多都是不完整或者分类不明确的。
比如，我2023年在网上找到一个音乐流派分类的数据集，说是包含了多种流派的歌曲，但仔细一看，发现很多歌曲的分类标签都是错的，而且有些流派根本就没有对应的歌曲。这让我挺头疼的，因为数据集质量直接影响到后续的研究。
不过，我也发现了一些还不错的资源。比如，有一个叫做“MusicNet”的数据集，它是基于Spotify的用户听歌数据构建的，包含了大量的流派标签。这个数据集在2023年更新的时候，已经有超过100万首歌曲，而且流派分类相对准确。
还有，像“LyricalMix”这样的数据集，它主要是基于歌词来分类音乐流派，对于研究歌词和音乐风格之间的关系很有帮助。
不过，这些数据集可能都需要一些处理才能直接使用。我还在想，有没有一种方法可以自动识别和纠正数据集中的错误标签呢？反正你看着办，我还在想这个问题。

去年夏天，我在一次音乐节上，被一个现场DJ的节奏深深吸引。他切换着各种音乐风格，从嘻哈到电子，再到爵士，我跟着音乐的节奏摇摆，心中不禁想，这要是能有个音乐流派分类的数据集就好了，那样就能更科学地了解音乐的世界。
我回到家里，开始在网上搜索，果然，还真找到了一个叫做“Music Information Retrieval Challenge”的数据集。这个数据集收集了超过10000首歌曲，按照流派分类，包括摇滚、流行、爵士、古典等。
我花了几天时间，仔细研究了这个数据集，发现里面不仅有流派分类，还有每首歌曲的时长、音调、节奏等信息。比如，我注意到流行音乐的平均时长大约是3分40秒，而古典音乐的平均时长则超过7分钟。
等等，还有个事，我突然想到，如果这个数据集能结合用户听歌习惯，那岂不是能推荐出更个性化的音乐？比如，我喜欢听摇滚，但最近一个月，我听爵士乐的时间明显增加了，那么系统是不是可以推断出我对爵士乐的兴趣在提升，然后给我推荐更多爵士乐？
这让我不禁想，音乐流派分类的数据集，不仅能帮助我们更好地理解音乐，还能让音乐推荐系统更加智能。但，它真的能完全满足我们的需求吗？还是说，还有更多的可能性等待我们去探索呢？

音乐流派识别，数据量至少 10000 首，2020 年起收集。
AI 音乐推荐，分类准确率 85%，2022 年项目。
歌词情感分析，每 1000 条歌词，情绪标签准确率 90%。