925      小米  小米6

計算機告訴你，唐朝詩人之間的關係到底是什麼樣的？

在我還念中學的時候，每當心情不好，就靠讀詩詞來排遣，慢慢讀得多了，就發現唐朝詩人之間存在著微妙的關係。比如杜甫非常喜歡李白，到了做夢都想見李白的地步：三夜頻夢君，情親見君意（夢李白）。而李白向孟浩然表過白：吾愛孟夫子，風流天下聞（贈孟浩然）。孟浩然的好基友則是王昌齡：數年同筆硯，茲夕間衾裯（送王昌齡之嶺南）。

出於好奇心，我一度想理清楚他們之間的關係。但是全唐詩一共四萬多首，再加上詩人之間經常稱唿對方的別稱，整理起來非常麻煩，慢慢的也就絕了這個念頭。

直到前不久在網上看到了這張非常火的圖，又讓我想起來這段十五年前的心事。事不宜遲，拖了這麼多年的願望，不能再拖了。

這次，我將編程完成這件事。前麵已經說過，這件事主要的麻煩在於以下兩點：

• 全唐詩數量太多，一共四萬多首。

• 詩人的別稱太多，比如杜甫：按字稱為子美，按排行稱為杜二，按官職稱為杜工部。

至於第一點，我們現在用計算機來做，再多也無所謂。第二點則稍微費事一點，我們使用哈佛大學編纂的《中國曆代人物專輯資料庫》（China Biographical Database Project 以下簡稱CBDB），CBDB記錄了中國曆代名人的傳記資料，並保存在關係型數據庫中。

CBDB由很多張表組成，每張表記錄了人物的不同信息，我們隻用到了其中兩張表，人物的主要信息表：BIOG_MAIN和人物的別名表：ALTNAME_DATA

首先從BIOG_MAIN中查詢出人物編號c_personid，接著用c_personid從ALTNAME_DATA中查詢出別名，如下圖所示：

下麵我給大家演示一下如何從CBDB中查詢杜甫的別稱。

圖中能夠看到杜甫有三個別稱：子美、杜二、杜工部。

當然也有很多重名的現象，比如我們查詢王維。

會找出一堆叫王維的，這個時候，我們就要使用生卒年來判定：這個人物到底是不是唐朝的。這次要從數據庫中查詢人物的生卒年。

唐朝建立於618年，滅亡於907年。對比後立刻發現，第二個王維才是我們要找的詩人王維。

查詢別名核實一下：

看到了熟悉的王右丞和摩詰，沒錯，這正是王維同學。

由於CBDB收羅的曆史人物太多，重名現象非常嚴重。經過一番探索，最終設置了如下的排除重名策略：

1. 如果人物生卒年俱全，那麼隻要生卒區間和唐朝持續時間有交集即可。如果存在這樣的詩人，那麼直接把這個人作為全唐詩中的作者。

2. 如果人物隻有生年或者卒年，那麼生年或卒年必須在唐朝的持續時間內。將這樣的人加入候選人列表。

3. 如果人物生卒年都不詳，那麼舍棄之。

經過這三條判斷之後：
如果候選人列表為空，那麼說明CBDB中沒有目標人選，舍棄這位詩人。
如果候選人多於一個，則說明排除重名失敗，舍棄這位詩人。

這種策略並不完美，存在部分注明詩人被舍棄的情況。為此我手動添加了他們：

還有部分詩人的別稱比較尷尬，屬於唐詩中的常用詞，需要手動去除。如下：

經過這一番篩選，全唐詩中原本的2609位作者，隻剩下了762位。這就夠了，著名的詩人都在這個列表當中，接下來我們隻關心這762位詩人之間的關係。

利用上麵的詩人及別稱列表，我們在全唐詩中來搜索詩人之間的引用關係。
規則是：詩的標題和正文中隻要提到過對方，那麼兩者之間的引用關係加1。一首詩如果提到多次對方，隻算一次引用。
經過計算機一番運轉，最終得到了引用關係表。

2.1 李白和杜甫之間的引用關係

首先來檢查一下李白和杜甫之間的引用關係：

不錯，杜甫寫了12首與李白有關的詩，李白則隻有3首與杜甫有關的詩。李白這種朋友，確實差勁了一點啊。

從這張圖也可以看出，我們的程序能夠識別出詩人的別名，比如杜甫的《寄李十二白二十韻》和李白的《魯郡東石門送杜二甫》都沒有直接提到對方的名字。

2.2 引用關係排名

我給詩人之間的引用關係排了個座次，下麵顯示了排名前三十的引用關係：

我們看到，全唐詩中排名第一的好基友絕對是陸龜蒙和皮日休。這兩位互相提到對方的次數都在百次以上，這是因為陸龜蒙和皮日休特別喜歡唱和，你寫一首送我，我再回一首贈你，跟現在微博大V之間的互動差不多。這兩位常年唱和，最後將往來的唱和詩作編寫了中國文學史上的第一本唱和詩集：《鬆陵集》。為了不辜負他們之間的友誼，文學史上通常將兩者合稱為“皮陸”。

並列第二的則是白居易和劉禹錫、白居易和元稹。白居易和劉禹錫同年（772年）出生，從政道路都是各種被貶謫。兩人都很長壽，劉禹錫71歲時去世，白居易則活了75歲。白居易在得知劉禹錫去世的消息時，寫下了千古名句：

四海齊名白與劉，百年交分兩綢繆
同貧同病退閑日，一死一生臨老頭

白居易和元稹我不想多寫了，大家隻要知道二人在文學史上被合稱為“元白”，就能想見二者的親密關係了。
從排名前三十的引用關係來看，白居易絕對是唐朝詩人朋友圈中的明星，是大V中的大V。

隻有引用關係列表豈不是有些幹巴巴的，接下來才是本文的重頭戲。我將使用ECharts來可視化詩人之間的引用關係，最終得到詩人們的社交網絡。

3.1 全唐詩人社交網絡圖

因為一共有762位詩人，為了避免畫出的圖太擁擠，看不清，我隻將前一百的引用關係圖示化，如下圖：

可能會看不清，請大家放大後再看。圖中：

• 箭頭表示詩人們之間的引用關係。比如說白居易引用了元稹，那麼就有白居易指向元稹的箭頭，元稹引用了白居易，相應的也有元稹指向白居易的箭頭。

• 箭頭的粗細程度則表示了詩人們之間引用關係的強弱。白居易引用元稹的數量為167次，元稹引用白居易的數量為88次，那麼白居易指向元稹的箭頭就要粗一些。

圖中清晰的顯示除了唐朝詩人的兩個大型朋友圈：杜甫-李白朋友圈、白居易朋友圈。沒錯，他們分別是盛唐和中唐兩個時期的核心詩人。
雖然隻畫出了排名前一百的引用關係，但還是很擁擠。文學史上將唐詩根據時間劃分為4個階段：初唐、盛唐、中唐、晚唐。接下來我們就分別畫出這四個階段的社交網絡圖。

3.2 初唐詩人社交網絡圖

從箭頭的粗細來看，初唐詩人中關係最好的是宋之問和沈銓期。這兩位正是宮廷詩人的代表，他們兩位確定了近體詩的格律，對仗等規則。粗略的說，近體詩的規則就是他們倆發明出來的。對了，他們倆在文學史上一般也合成“沈宋”哦，看來要成為好基友，沒有文學史的認證是不行的。

3.3 盛唐詩人社交網絡圖

注：為了製圖清晰，盛唐詩人社交網絡隻畫出了引用數大於等於2的關係。

盛唐詩人的核心無疑是“李杜文章在，光焰萬丈長”中提到的李白和杜甫了。我們再次看到，杜甫指向李白的箭頭比李白指向杜甫的箭頭要粗得多。而且盛唐的詩人們明顯分為兩群，一群以李白-杜甫為核心，一群以皇甫冉和劉長卿為核心，為什麼有這樣的局麵？我也不知道，有沒有對文學史比較了解的朋友，請在評論裏賜教。

3.4 中唐詩人社交網絡圖

注：為了製圖清晰，中唐詩人社交網絡隻畫出了引用數大於等於2的關係。

中唐詩人社交網的特征很明顯，各位詩人緊緊的團結在以白居易、元稹、劉禹錫為核心的文壇政治局周圍，勠力同心，同舟共濟，為唐詩從浪漫主義向現實主義的偉大轉折做出了曆史性貢獻。

3.5 晚唐詩人社交網絡圖

晚唐詩人的社交網絡比較散亂，沒有明顯的核心。其中最重要的就是李商隱和杜牧了，他倆得到了文學史認證的“小李杜”好基友稱號。

原文發布時間為：2017-03-14

本文來自雲棲社區合作夥伴“大數據文摘”，了解相關信息可以關注“BigDataDigest”微信公眾號

最後更新：2017-05-22 16:02:33

  上一篇：  JDateTime

  下一篇：  Java 7 Concurrency Cookbook – Javier Fernández González -前言