mrqianjinsi
自然選擇號，前進四！
在我還念中學(xué)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(fā)現(xiàn)唐朝詩人之間存在著微妙的關(guān)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(fēng)流天下聞（贈孟浩然）。孟浩然的好基友則是王昌齡：數(shù)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(guān)系。但是全唐詩一共四萬多首，再加上詩人之間經(jīng)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(wǎng)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(jīng)說過，這件事主要的麻煩在于以下兩點：
全唐詩數(shù)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。
至于第一點，我們現(xiàn)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(xué)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(guān)系型數(shù)據(jù)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。
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(xiàn)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(shù)據(jù)庫中查詢?nèi)宋锏纳淠辍?/p>
唐朝建立于618年，滅亡于907年。對比后立刻發(fā)現(xiàn)，第二個王維才是我們要找的詩人王維。
查詢別名核實一下：
由于CBDB收羅的歷史人物太多，重名現(xiàn)象非常嚴重。經(jīng)過一番探索，最終設(shè)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(qū)間和唐朝持續(xù)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(xù)時間內(nèi)。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(jīng)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：
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：
經(jīng)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(guān)心這762位詩人之間的關(guān)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(guān)系。
規(guī)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(guān)系加1。一首詩如果提到多次對方，只算一次引用。
經(jīng)過計算機一番運轉(zhuǎn)，最終得到了引用關(guān)系表。
首先來檢查一下李白和杜甫之間的引用關(guān)系：
不錯，杜甫寫了12首與李白有關(guān)的詩，李白則只有3首與杜甫有關(guān)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。
我給詩人之間的引用關(guān)系排了個座次，下面顯示了排名前三十的引用關(guān)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(shù)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(xiàn)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(xué)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(xué)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(xué)史上被合稱為“元白”，就能想見二者的親密關(guān)系了。
從排名前三十的引用關(guān)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(guān)系的可視化
只有引用關(guān)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(guān)系，最終得到詩人們的社交網(wǎng)絡(luò)。
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(guān)系圖示化，如下圖：
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(guān)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(yīng)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(guān)系的強弱。白居易引用元稹的數(shù)量為167次，元稹引用白居易的數(shù)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(guān)系，但還是很擁擠。文學(xué)史上將唐詩根據(jù)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(wǎng)絡(luò)圖。
從箭頭的粗細來看，初唐詩人中關(guān)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(guī)則。粗略的說，近體詩的規(guī)則就是他們倆發(fā)明出來的。對了，他們倆在文學(xué)史上一般也合成“沈宋”哦，看來要成為好基友，沒有文學(xué)史的認證是不行的。
注：為了制圖清晰，盛唐詩人社交網(wǎng)絡(luò)只畫出了引用數(shù)大于等于2的關(guān)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(xué)史比較了解的朋友，請在評論里賜教。
注：為了制圖清晰，中唐詩人社交網(wǎng)絡(luò)只畫出了引用數(shù)大于等于2的關(guān)系。
中唐詩人社交網(wǎng)的特征很明顯，各位詩人緊緊的團結(jié)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(xiàn)實主義的偉大轉(zhuǎn)折做出了歷史性貢獻。
晚唐詩人的社交網(wǎng)絡(luò)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(xué)史認證的“小李杜”好基友稱號。
4 總結(jié)
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(wǎng)絡(luò)圖，就能立刻發(fā)現(xiàn)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(guān)系。中國恰好是歷史文獻最全的國家，如果能對這些文獻統(tǒng)一做系統(tǒng)的分析，豈不是可以做出隨著時間變化的歷史人物關(guān)系圖？
這在以前是不可能的事，現(xiàn)在隨著計算機技術(shù)的發(fā)展和古典文獻的數(shù)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(xiàn)。我想，有沒有可能參考linux的開發(fā)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(guān)注。
聯(lián)系客服
