大数据研究唐诗宋词 结论很颠覆

　　用大数据分析：唐代诗人白居易作品量第一　但影响力排十名之外 宋词名篇中收录词作最多的不是苏轼、辛弃疾而是周邦彦

　　用大数据分析唐宋诗词，结论可能超出你的想象——唐代诗人中作品量居第一的白居易，影响力排在十名之外；宋词名篇中收录词作最多的不是苏轼、辛弃疾而是周邦彦；综合影响指数表明，杜甫高于李白、辛弃疾强于苏轼……

　　以上新发现，是国家社科基金重大项目“唐宋文学编年系地信息平台建设”首席专家、四川大学文学与新闻学院讲席教授王兆鹏分析所得。

　　唐诗是中国诗歌史上第一座高峰。唐代诗歌五万多首，诗人三千余位，诗人和诗作都达到前所未有的量级。宋代词人近一千五百位，词作超两万一千阕。

　　从个体诗人来看，唐诗宋词里谁的作品最多？王兆鹏的大数据显示，白居易名列唐诗作品量的榜首，诗作近三千；杜甫和李白紧随其后，都超过千首大关。宋词中辛弃疾的词作量位居第一，有六百余阕，其次是苏轼、刘辰翁。宋诗的篇数，则由陆游称雄，凡九千多首，其次是刘克庄和杨万里。

　　根据综合影响指数排名，唐代诗人影响力第一的是杜甫，其次为李白、王维，而作品量居第一的白居易，影响力排在十名之外。宋代词人作品量和影响力第一的都是辛弃疾，苏轼和周邦彦分别居第二、第三。高居宋诗影响力榜首的是苏轼，作品量雄居榜首的陆游紧随其后。

　　提到唐诗宋词的名家，人们习称“李杜”“苏辛”，似乎李优于杜、苏胜于辛。但综合影响指数表明，杜甫高于李白、辛弃疾强于苏轼。更令人意外的是，最受追捧的词人不是苏、辛而是周邦彦。在一百首和三百首宋词名篇中，周邦彦各占十五首和四十首，占有率远高于苏、辛。

　　用客观的数据去衡量、分析颇为主观的诗词鉴赏，是否科学、能否可行？在接受北京青年报记者专访时，王兆鹏强调，虽然数据能在一定程度上描述显示文学史的发展面貌和进程，但也有明显的局限性。

　　30年前开始研究积累了上百万条数据

　　问：《大数据里的唐宋诗词世界》课题的初衷是什么？

　　答：我1992年就开始做唐宋诗词的定量分析了。初衷是每人心目中都有自己的唐宋诗词名篇。究竟历史上哪些唐宋诗词被视为名篇，我想用统计数据来分析衡量。

　　问：那您是如何利用大数据来衡量唐宋诗词质量的呢？这些数据是如何统计出来的？

　　答：唐宋诗词作品的质量，目前还没找到有效数据来评估、衡量。我目前正在努力尝试构建文学作品质量的评价指标体系，以便搜集数据。这需要比较长的过程。此外，个人建立的评价指标体系，需要学界的认同和共识。

　　问：关于文学指标体系，学界目前的研究现状怎样？

　　答：大数据时代的文学数据，需要分类分层建立起文学史数据的指标体系，以确保数据的信度和效度。但目前用大数据来做唐诗宋词研究的学者不多，为学界共享的唐宋诗词大数据也相当有限。

　　从1992年到现在，我虽然积累了一百多万条和唐诗宋词有关的数据，但还不完备、不均衡。有的时段数据多，有的时段数据少；有的这一类数据多，那一类数据少；有的诗人数据多，有的诗人数据少。我们常感慨“书到用时方恨少”，数据更是这样。全方位分析唐诗宋词时，常常觉得数据不够用。

　　在我看来，文学评价指标体系应该以作品为中心来建立。作家的影响力是以作品的影响力为前提。而作品评价，可分两个维度，一是相对稳定作品的内在文学价值，二是动态不居作品的外在影响力。其文学价值，可考虑从内容和形式两个层面来评估。

　　作品影响力则从创作者、评论者、普通读者三个层面来衡量。一是对创作者的影响，包括引用、化用、仿效、改编、翻译等，体现出作品的典范性和吸引力；二是对评点者的评论和学者的研究，反映出作品在文学批评、学术研究层面的美誉度和关注度；三是在普通读者中的传阅度和知晓率。确定作品的价值、影响的基本要素和结构后，再构建计算模型，然后由计算机在相关资源库、语料库和网络运行，挖掘提取相关数据，最后计算出每篇作品的得分。