唐诗宋词大数据研究的结论是非常颠覆性的。
运用大数据分析:唐代诗人白居易，作品数量最多但影响力排名第十。宋代名诗中，诗数最多的不是苏轼和辛弃疾，而是周邦彦。
用大数据分析唐宋诗词，得出的结论可能超乎你的想象——唐代作品数量最多的诗人白居易，影响力排在十之外；周邦彦不是苏轼、辛弃疾，而是宋代最著名的词人。综合影响指数显示杜甫高于李白，辛弃疾强于苏轼…
以上发现由国家社科基金重大项目“唐宋文学年代学系信息平台建设”首席专家、四川大学文学与新闻学院讲座教授王兆鹏分析。
它是唐诗在中国诗歌史上的第一个高峰。唐代有五万多首诗，三千多位诗人，无论是诗人还是诗歌都达到了前所未有的水平。宋代诗人近1500人，歌词21000多首。
从诗人个体来看，唐诗宋词谁的作品最多？王兆鹏大数据显示，白居易唐诗量排名第一，近3000首；杜甫和李白紧随其后，都超过了千人大关。到了宋代，辛弃疾的词作数量居首位，有六百多首，其次是苏轼和刘辰翁。宋诗篇数以陆游为主，达九千余篇，刘克庄、杨万里次之。
根据综合影响力指数排名，杜甫是唐代最具影响力的诗人，其次是李白和王维，而作品排名第一的白居易则排在了十位之外。从宋代词人的数量和影响来看，辛弃疾、苏轼和周邦彦分别排在第二和第三位。苏轼在宋诗影响力上排名第一，陆游紧随其后，其作品高居榜首。
说到唐诗宋词中的著名诗人，人们通常称他们为“杜丽”和“苏信”。似乎李由优于杜甫，苏生优于辛。但综合影响指数显示，杜甫高于李白，辛弃疾强于苏轼。更令人惊讶的是，最抢手的诗人不是苏、辛，而是周邦彦。在宋代名诗100首和300首中，周邦彦分别占15首和40首，远远高于苏和辛。
用客观数据来衡量和分析主观的诗歌鉴赏是否科学可行？在接受北京青年报记者专访时，王兆鹏强调，虽然资料在一定程度上可以描述和展示文学史的发展，但也有明显的局限性。
30年前开始研究。
积累了数百万条数据。
问:“大数据中的唐宋诗词世界”这个题目的初衷是什么？
答:我是1992年开始做唐宋诗词定量分析的。本意是每个人都有自己的唐宋名句。我想用统计数据来分析衡量一下历史上哪些唐宋诗词算是名篇。
问:那你怎么用大数据来衡量唐宋诗词的好坏？这些数据是怎么统计的？
答:目前还没有找到有效的数据来评价和衡量唐宋诗词的好坏。目前，我正在尝试构建一个文学作品质量的评价指标体系，以便收集数据。这需要一个漫长的过程。此外，个人建立的评价指标体系需要学术界的认可和共识。
问:目前学术界对文献指标体系的研究现状如何？
答:大数据时代的文学数据需要分类分层，建立文学史数据的指标体系，保证数据的可靠性和有效性。但目前利用大数据研究唐宋诗词的学者并不多，学术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唐诗宋词相关资料，但还是不完整，不平衡。有些时间段数据较多，有些时间段数据较少；有的这种数据多，那种数据少；有的诗人数据多，有的诗人数据少。我们常常会觉得“书用了，恨少了”，尤其是数据。在全方位分析唐诗宋词时，常常觉得数据不够。
我认为，文学评价的指标体系应该以作品为基础。一个作家的影响力是建立在他作品的影响力之上的。对作品的评价可以分为两个维度，一是作品相对稳定的内在文学价值，二是作品动态的外在影响力。其文学价值可以从内容和形式两个方面来评价。
作品的影响力从创作者、批评家、普通读者三个层面来衡量。一是对创作者的影响，包括引用、改编、模仿、改编、翻译等。，体现作品的示范性和吸引力；第二，批评家的评论和学者的研究反映了作品在文学批评和学术研究中的声誉和受重视程度；第三是在普通读者中的发行量和认知度。在确定作品的价值、基本要素和结构后，构建计算模型，然后计算机在相关资源库、语料库和网络中运行，挖掘提取相关数据，最后计算出每部作品的得分。
数据无法衡量艺术含量。
和审美价值。
问:你在题目中提到，据统计，从东汉到隋末，总共只有5000多首，而到了唐代，第一次有了1万多首，直接跨越了5万多首。与前八代唐诗相比，诗人数量增加了7倍多，从600多人增加到3000多人，无论是诗人还是诗歌都达到了前所未有的水平。这些数据从何而来？有什么重要的参考吗？
答:数据来源于我的老朋友尚教授的两篇论文:《八代诗歌分布与发展趋势的定量分析》和《唐代著名诗人等级分布与世代发展的定量分析》。
问:白居易的诗歌数量最多，但影响力却出了前十。这是怎么判断的？
答:是由数据决定的。我们用了多种数据对唐代诗人的影响力进行排名。白居易的影响在现代比在古代更大。他的综合影响力远不及李白和杜甫。
问:那你通过大数据判断唐诗宋词好坏的依据是什么？
答:目前只能用大数据来衡量唐诗宋词的影响力——包括对后代诗人创作的号召力，在后代词批评家中的口碑，在普通作家中的受欢迎程度等等。目前还不能用数据来衡量唐诗宋词的艺术含量和审美价值。
文学中心在北宋初期。
完全搬到南方去。
问:在运用大数据研究唐宋诗词的过程中，有没有遇到一些学术上的困难，是如何克服的？
答:文学研究从来就没有数据意识。难点不仅在于从哪里找数据，还在于找什么样的数据。什么样的数据有用有效，既需要理论支撑，也需要实践检验。理论上，我们不断从统计学、计量经济学信息和计量经济学历史中寻找理论和方法的启示。实践，试错，失败了再开始。最痛苦的是数据库建好了，文章写完了。突然发现数据来源不全，只好从头填数据，写好的论文又被推倒了。
问:在大数据的具体研究中，你还有哪些新发现？
答:数据的意义不仅可以证实传统的结论，还可以修正它，发现新的问题，改变传统的认知。比如，中国文化地理学有一个众所周知的结论，中国的文化中心逐渐从北方的中原转移到南方。第一次南迁是东晋的永嘉之乱，第二次南迁是唐朝的安史之乱，第三次南迁是宋朝的靖康之乱。三次战争促使文化中心南移，靖康之乱后，文化中心彻底南移。根据我们的大数据，北宋初期文学中心完全南移，南方作者数量超过北方，没有等到靖康之乱。而且，战争并不是推动文化中心南移的唯一因素。
我们还发现，宋代的文学中心逐渐向东南沿海转移。按照今天的地级行政区划统计，福建南平的宋代作者最多，排名第一，福州排名第二，非常令人惊讶。与此相关，宋代士子数量福州第一，南平第二。可见南平和福州当时教育发达，文人多，诗人多。教育和文学是高度正相关的。
此外，我们还发现，苏东坡的词创作高峰在黄州，他三分之一的词创作是在贬谪黄州期间，有一半的名作是在黄州写成的。比如宋词的第一首诗《念奴娇赤壁怀古》，就是在黄州写的。黄州成就了苏轼词的辉煌。
文/本报记者张统筹/刘江华
来源:北京青年报
