計算機告訴你,唐朝詩人之間的關系到底是什么樣的?

Submitted by neurta on Fri, 03/24/2017 - 20:50
唐朝詩人

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系。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)。

出于好奇心,我一度想理清楚他們之間的關系。但是全唐詩一共四萬多首,再加上詩人之間經常稱呼對方的別稱,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?;鸬膱D,又讓我想起來這段十五年前的心事。事不宜遲,拖了這么多年的愿望,不能再拖了。

這次,我將編程完成這件事。前面已經說過,這件事主要的麻煩在于以下兩點:

  • 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。

唐朝詩人

  • ?

至于第一點,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《中國歷代人物專輯資料庫》(China Biographical Database Project 以下簡稱CBDB),CBDB記錄了中國歷代名人的傳記資料,并保存在關系型數據庫中。

1 利用CBDB查找詩人的別名

CBDB由很多張表組成,每張表記錄了人物的不同信息,我們只用到了其中兩張表,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:
下面我給大家演示一下如何從CBDB中查詢杜甫的別稱。

????杜甫

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。

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。

王維

唐朝建立于618年,滅亡于907年。對比后立刻發現,第二個王維才是我們要找的詩人王維。
查詢別名核實一下:
王維真
看到了熟悉的王右丞和摩詰,沒錯,這正是王維同學。

由于CBDB收羅的歷史人物太多,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,那么只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,那么直接把這個人作為全唐詩中的作者。
2.如果人物只有生年或者卒年,那么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,那么舍棄之。

經過這三條判斷之后:
如果候選人列表為空,那么說明CBDB中沒有目標人選,舍棄這位詩人。
如果候選人多于一個,則說明排除重名失敗,舍棄這位詩人。

這種策略并不完美,存在部分注明詩人被舍棄的情況。為此我手動添加了他們:

李林浦

?

還有部分詩人的別稱比較尷尬,屬于唐詩中的常用詞,需要手動去除。如下:

手動移除別名

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

2 搜索詩人之間的引用關系

利用上面的詩人及別稱列表,我們在全唐詩中來搜索詩人之間的引用關系。
規則是:詩的標題和正文中只要提到過對方,那么兩者之間的引用關系加1。一首詩如果提到多次對方,只算一次引用。
經過計算機一番運轉,最終得到了引用關系表。

2.1 李白和杜甫之間的引用關系

首先來檢查一下李白和杜甫之間的引用關系:

杜甫 李白關系

不錯,杜甫寫了12首與李白有關的詩,李白則只有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 引用關系排名

我給詩人之間的引用關系排了個座次,下面顯示了排名前三十的引用關系:

前三十關系

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,最后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:《松陵集》。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”。

并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,大家只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系了。
從排名前三十的引用關系來看,白居易絕對是唐朝詩人朋友圈中的明星,是大V中的大V。

3 引用關系的可視化

只有引用關系列表豈不是有些干巴巴的,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系,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,我只將前一百的引用關系圖示化,如下圖:

全唐詩人

可能會看不清,請大家放大后再看。圖中:

  • 箭頭表示詩人們之間的引用關系。比如說白居易引用了元稹,那么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系的強弱。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,那么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。
雖然只畫出了排名前一百的引用關系,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

全堂詩人

從箭頭的粗細來看,初唐詩人中關系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

詩人關系

注:為了制圖清晰,盛唐詩人社交網絡只畫出了引用數大于等于2的關系。

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,為什么有這樣的局面?我也不知道,有沒有對文學史比較了解的朋友,請在評論里賜教。

3.4 中唐詩人社交網絡圖

關系

注:為了制圖清晰,中唐詩人社交網絡只畫出了引用數大于等于2的關系。

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歷史性貢獻。

3.5 晚唐詩人社交網絡圖

唐朝詩人

?

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。

4 總結

這篇文章寫到這里,我突然意識到,即使一個人對唐詩沒有任何了解,他只要看這些社交網絡圖,就能立刻發現哪位詩人是同時代詩人的核心,哪位詩人的影響最大。這些都是很有用的信息。

而我們可以用計算機來分析任何時代的人物關系。中國恰好是歷史文獻最全的國家,如果能對這些文獻統一做系統的分析,豈不是可以做出隨著時間變化的歷史人物關系圖?

這在以前是不可能的事,現在隨著計算機技術的發展和古典文獻的數字化進程,逐漸有可能了。這當然是很大的工作量,任何個人都不可能實現。我想,有沒有可能參考linux的開發過程,用開源的方式,大家一起來完成這件事。

我會在兩天后將這一篇和上一篇《當我們讀唐詩時,我們在讀什么?》用到的python源碼上傳到github上,到時候感興趣的朋友可以fork過來共同研究。我的github賬號也是mrqianjinsi,歡迎大家關注。

冯仰妍破处门