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。
数据无法测度艺术含量
和审美价值高低
问：您在课题里提到，据统计，东汉到隋末近六百年，诗歌总共才五千余首，而到唐代，诗歌第一次超过万首并直接跨越到五万多首。唐诗比之前的八代诗增加了七倍多，诗人由六百余位增加到三千余位，诗人和诗作都达到前所未有的量级。这个数据从何而来，有参考哪些重要的文献资料吗？
答：数据来源于我的老朋友尚永亮教授的两篇论文：《八代诗歌分布情形与发展态势的定量分析》和《唐知名诗人之层级分布与代群发展的定量分析》。
问：白居易的诗数量最多，影响力却在前十名开外，这是如何判定的？
答：用数据衡定的。我们用了多种数据，对唐代诗人影响力进行排名。白居易的影响力，在现当代大于古代。他的综合影响力，远不如李白、杜甫。
问：那您通过大数据判定唐诗宋词质量的依据是什么？
答：目前只能用大数据衡量唐诗宋词影响力的大小——包括对后代词人创作的吸引力，在后代词评家中的美誉度，在普通作者中的知名度等等。目前暂时还不能用数据测度唐诗宋词艺术含量和审美价值的高低。
文学中心在北宋初
就完全移到南方
问：用大数据研究唐宋诗词有无遇到一些学术上的困难，又是如何克服的？
答：文学研究从来没有数据意识，困难不仅在于到哪儿去找数据，更在于找什么样的数据。究竟什么样的数据有用有效，既需要理论的支撑，也需要在实践中检验。理论上，我们不断探求，从统计学、计量信息学和计量历史学中去寻找理论和方法的启示；实践上，反复试验，失败了重来。最痛苦的是，数据库建好了，文章也写完了，忽然发现数据来源不全，只好从头补齐数据，写好的论文又推倒重来。
问：您在大数据具体研究中还有哪些新发现呢？
答：数据的意义，既能确证传统的结论，也会修正传统的结论，更能发现新问题，改变传统的认知。比如，中国文化地理有一个著名的结论，中国文化中心，是由北方中原逐步向南方移动，第一次南移是东晋永嘉之乱，第二次南移是唐代安史之乱，第三次南移是宋代靖康之乱。三次战乱推动了文化中心的南移，靖康之乱后，文化中心就彻底移到南方。我们的大数据发现，文学中心在北宋初就完全移到南方，南方作者的数量全面超越北方，无需等到靖康之乱后。而且，战争不是推动文化中心南移的唯一因素。
我们还发现，宋代的文学中心，是逐步向东南沿海移动。按今天的地市级行政区划来统计，宋代福建南平的作者人数最多，名列第一，福州居第二，这很让人惊讶。与此相关的是，宋代进士人数福州第一，南平第二。可见当时南平、福州教育发达，进士多，诗词作者也多。教育与文学是高度正相互的。
此外，我们还发现苏东坡词的创作高峰是在黄州，他三分之一的词是在贬谪黄州期间写的，他的名篇佳作一半是在黄州写的。比如宋词的第一名篇《念奴娇·赤壁怀古》就是在黄州写的。黄州成就了苏轼词作的辉煌。（文/记者 张恩杰 统筹/刘江华）
