一部《全唐诗》里有四万多首诗，也许穷尽我们一生都无法全部读完，不过，在这个大数据时代，有人发明了《全唐诗》的另类读法。即用数据分析的角度来看《全唐诗》。
当《全唐诗》遇上“大数据”，结果会怎样呢？
《全唐诗》中出现频率最高的字：人
对《全唐诗》采取逐字切分的处理方式，同时去掉一些常见的虚词，如“之乎者也”。经过文本预处理后，就可以进行文本挖掘中最常规的分析——字频统计。
出人意料的是，《全唐诗》中出现最多的不是风花雪月，而是“人”。
李白有很多故人，他说“故人西辞黄鹤楼”
杜甫感叹着人生，他写“人生有情泪沾臆”
白居易爱管人间之事，他愿“天上人间会相见”
“人”，是唐诗的魂魄
《全唐诗》中最常见的148个字排名如下：
《全唐诗》中出现最多的季节：春
这个，你可能已经猜到了吧
春天万物生发，确实让人有写诗的欲望
看见山山水水，别犹豫，写一首
看见花花草草，别客气，写一首
看见春游的美人，那更是要写一首的
春，是唐诗的梦幻
《全唐诗》中出现最多的颜色：绿、白
找了51个古语中常用的颜色的单字
注意是古汉语语境中的颜色称谓
主要的色系有——
红色系（红、丹、朱、赤、绛等）
黑色系（暗、玄、乌、冥、墨等）
绿色系（绿、碧、翠、苍等）
白色系（白、素、皎、皓等）
这些颜色及其对应的字频如下表所示：
这里面“白”字的字频最高
本意是“日出与日落之间的天色”
常见的有“白发”“白云”“白雪”
常渲染出一种韶华易逝、悲凉的气氛
“白发三千丈，缘愁似个长。”
“乘兴轻舟无近远，白云明月吊湘娥。”
“居延城外猎天骄，白草连天野火烧。”
将上述主要的色系综合统计一下
得到下面的环形占比图：
在《全唐诗》的色谱上，出现最多的色系是绿色系
“绿树”“碧水”“苍松”“翠柳”
这些高频字从侧面反映出全唐诗中描写景物、寄情山水的诗句占比很大，透露出平静、清新和闲适之感。
《全唐诗》中的绿色，
是“绿树村边合，青山郭外斜”
是“客路青山外，行舟绿水前”
绿得自然，绿得惬意
白，绿，是唐诗的基准色
《全唐诗》中最重要的字眼是什么？
选取高频字的TOP148抽取共现关系，可以看到，上述的语义网络可以分为3个簇群，即橙系、紫系和绿系，TOP148高频字中，字体清晰可见字的近40个。圆圈的大小表示该字在语义网络中的影响力大小，在诗句中，这些字常以“字眼”的形式呈现，也就是诗文中精要的字。
橙系：北、流、马、草、闲、孤、逢、云等；
紫系：游、树、雨、回、笑、言、幽、清、白、野、行等；
绿系：知、金、柳、难、愁、旧、仙、望、客。
其中，根据字的构成来看，绿系簇群中的字大多跟送别（好友）有关。
唐诗中出现最多的感情：悲
分析全唐诗中所表达出来的内在境界，也就是内在情感，为了丰富分析维度，采用7种细颗粒的情绪分类，即悲、惧、乐、怒、思、喜、忧。根据上面获取到的字向量，经过人工遴选后，得到可以用于训练的“情绪字典”，根据诗歌中常见的主题类别，七种情绪类别分为：
悲：愁、恸、痛、寡、哀、伤、嗟 ⋯⋯ 惧：谗、谤、患、罪、诈、惧、诬 ⋯⋯ 乐：悦、欣、乐、怡、洽、畅、愉 ⋯⋯ 怒：怒、雷、吼、霆、霹、猛、轰 ⋯⋯ 思：思、忆、怀、恨、吟、逢、期 ⋯⋯ 喜：喜、健、倩、贺、好、良、善 ⋯⋯ 忧：恤、忧、痾、虑、艰、遑、厄 ⋯⋯
对《全唐诗》近5万首诗的情绪分析结果，展示如下：
出乎很多人的意料，代表大唐气象的唐诗应该以积极昂扬的情绪为主，可最后却是“悲”“思”“忧”这样的情绪占据主流，而 “喜”“乐”这样的情绪却占据末流。
“天地悠悠”是悲情的
“落木萧萧”是悲凉的
“黄沙百战”是悲壮的
“彩云易散”是悲伤的
悲，是唐诗的筋骨
《全唐诗》VS《全宋词》VS《全元曲》
从上面呈现的TOP10高频字和象限区块（左上角“唐诗”、右上角“宋词”和正下方“元曲”）来看，唐诗、宋词、元曲中出现的独有高频字依次是：
唐诗：唯、馀、始、鸟、含、尔、昔、兹、忽、栖、川、旌、戎、秦 ⋯⋯ 宋词：阑、沈、匆、帘、浓、约、淡、觞、蕊、屏、凝、笙、瑶、柔 ⋯⋯ 元曲：哥、俺、咱、孩、姐、吃、哩、科、厮、拿、你、叫、呀、呵 ⋯⋯
从上面的关键字来看，唐诗、宋词和元曲各自的特征很鲜明：
唐诗：用字清澹高华、含蓄，诗味较浓，寄情山水和金戈铁马的特征明显。 宋词：所用的字体现出婉约、宛转柔美，表现的多是儿女情长，生活点滴。 元曲：所用的字生活气息浓重，通俗易懂、接地气、诙谐、洒脱和率真。
计算机永远无法比过李白和杜甫。
但它总归是人类前进的方向，用大数据的角度看《全唐诗》，给我们提供了无限的可能。
读完你会发现，文科与理科，在诗的世界里并没有那么泾渭分明。
对审美的追求，对诗性的渴望，是每一个人心中固有的基因。
往期荐读
责 编 | 吉 洁 编 辑 | 马雷雷
来 源：根据阅读公社综合整理
热门跟贴