當我們在讀唐詩時，我們在讀什麼？

前段時間隨著《中國詩詞大會》的熱播，全國人民掀起了讀唐詩的浪潮。作為一名古典詩詞愛好者，我也從網上找到了一份《全唐詩》。統計了一下，一共42974首詩，頓時有了一種「天下好詩，盡入吾硬碟矣」的錯覺。

這麼多的好詩，白白放在硬碟上豈不浪費。

作為一名程序員，我打算站在科技與文藝的交叉口（模仿老羅的語氣），寫程序來分析唐詩，看看唐朝的詩人都寫了什麼？

1 基於字的分析

我們從最簡單的，基於字的分析來入手。

1.1 作品數量

首先來看看作品數量排名。排名前十的作者如下：

前三名是眾望所歸，小學到高中語文課本中的選詩，也應該是這三位最多吧。第四名NA表示無名氏。後面的幾位除了齊己和貫休，也都是大名鼎鼎的高手。我查了一下，齊己和貫休居然都是和尚。齊己生卒年為863年—937年，貫休生卒年為832年－912年，而唐朝亡於907年，猜測是因為他們處於唐朝末期，所以流傳下來的詩歌比較多。

1.2 常用字

再看看常用字排名

除去前兩名的逗號和句號，唐詩中出現最多的字是「不」字，這可能會讓很多人吃驚。其實這不意外，朱自清先生在《<唐詩三百首>指導大概》說過：後人從唐詩七絕中推選了十一首經典之作，其中有八首都用了否定語：

勸君更盡一杯酒，西出陽關無故人。（王維《渭城曲》）

玉顏不及寒鴉色，猶帶昭陽日影來。（王昌齡《長信怨》）

但使龍城飛將在，不教胡馬度陰山。（王昌齡《出塞》）

醉卧沙場君莫笑，古來征戰幾人回？（王翰《涼州曲》）

兩岸猿聲啼不住，輕舟已過萬重山。（李白《下江陵》）

羌笛何須怨楊柳？春風不度玉門關。（王之渙《涼州詞》）

不知何處吹蘆管，一夜徵人盡望鄉。（李益 《夜上受降城聞笛》）

商女不知亡國恨，隔江猶唱後庭花。 （杜牧《泊秦淮》）

這也許是因為否定句表達的語氣更強，比較適合傳唱，所以，「不」字才能得到詩人們的青睞吧。

1.3 季節

看看詩人們最喜歡哪個季節。

毫不意外，春天和秋天呈現出壓倒性的場面。這就是一個傷春悲秋的群體啊。

1.4 顏色

再看看詩人們都喜歡啥顏色。

居然最喜歡白色，為什麼？？有沒有懂樂嘉色彩心理學的，給分析分析吧。。

1.5 植物

松樹和竹子最受詩人們喜愛，建議這兩種植物作為文青界的圖騰，一年四季不落葉，都是青色，多好。

1.6 動物

有了植物，當然也不能少了動物。

首先看了十二生肖的數量，後來我想到猿和猴，狗和犬是同義詞，把這兩個也加上了。然而並不能撼動龍和馬的第一梯隊地位，難道唐朝也講龍馬精神嗎？

2 基於詞的分析

只對字的分析當然滿足不了我們，接下來我將以詞為單位來分析，這就涉及到了分詞的問題。我們使用清華大學NLP實驗室（THULAC：一個高效的中文詞法分析工具包）提供的分詞工具THULAC來作為分詞工具。這個工具在返回分詞結果的同時，還能提供詞性標記，很是方便。

以上面為例：「我」後面跟』r』表示代詞，「愛」為動詞(v)，北京和天安門都為地名(ns)。

由於THULAC是用現代語文語料訓練的，對唐詩的分詞效果總有些差強人意。不過沒有辦法，現階段還沒有針對古典文獻的分詞工具，將就用吧。

用這個分詞工具對《全唐詩》分詞之後，就可以看到一些更好玩的結果了。

2.1 地名

首先看看唐詩中最常出現的地名。

江南和長安還是最吸引人啊，畢竟一個地方環境好，一個地方是首都，想必這兩個地方的房價一定也很貴。其他如洛陽，黃河，長江，洞庭，長沙，江城（泛指水邊的城市）都是遊玩的好地方，古代詩人們的生活太瀟洒了。

起初我把「滄洲」看錯成了「滄州」，還想著怎麼「滄州」這種小地方出鏡率這麼高。後來仔細一查「滄洲」在古文獻中借指隱者居住的地方，立刻就明白為啥排名這麼靠前了。看來古代的詩人除了遊玩，就想著隱居，寫詩誤國，編程興邦啊。

2.2 時間

再來看看時間詞。

前五名居然都是一個意思，有點意外，我還想著詩人們都比較懷舊呢。看來古人也講究活在當下啊。

2.3 場景

再來看看什麼場景能引發詩人們的興緻。

門前，海上，江邊，樓上，這都是寫詩的好地方啊。這就跟我們現在到景區門前要合影留念，到海邊、河邊、高樓上都要拍照發朋友圈是一個意思吧。唐朝到現在已經過了一千多年了，發朋友圈這習慣一直沒有變啊。

3 基於詞向量的分析

利用THULAC的分詞結果，我們接下來分析詞之間的關聯。為了分析詞之間的聯繫，首先要將詞轉換到向量空間（我之前的文章有講向量空間哦，不記得的同學快去複習）里，用word2vec這個工具實現詞到向量的轉換。word2vec的原理就是利用詞之間的相對位置關係，求出詞的向量表示。後續有時間的話，我會寫幾篇文章講解word2vec，記得關注我哦（公眾號搜索「mrqianjinsi」）。

經過word2vec的轉換，我們將一個個詞轉換為了向量，比如「今日」這個詞被表示為很長的一串數字。

所有的詞被表示為數字之後，再來分析詞的關係就很簡單啦。比如我們看看和「天子」這個詞和什麼詞的意思比較近，程序會列出意思最相近的十個詞。

看看，我們發現了什麼。天子首先是懂禮的，其次還是聖賢的，還長壽，既儒雅又雄才。天啊，唐朝詩人拍馬屁的功夫比我們強多了，以後我要多讀唐詩啦。

再看看和「寂寞」意思比較接近的十個詞。

能看出來，詩人們往往在春日的深夜裡，在樹葉搖落的季節里，在旅途中，懷念故國的時候，最容易寂寞。這也難怪，我寫完上個句子，都感覺有點寂寞了呢。

好了，這次的分析就都這裡啦，是不是很有意思呢。後續我還將對唐詩進行更深層次的挖掘，歡迎大家關注～

注1:題圖來自http://ctext.org/zh，這是我見過的最好的古文獻閱讀網站。

注2:本文首發於我的微信公眾號（mrqianjinsi），歡迎大家搜索關注。

推薦閱讀：