数据分析揭秘：唐朝诗人间有怎样的微妙社交关系

用CBDB数据库，打开分析唐朝诗人关系的大门

前段时间随着《中国诗词大会》的热播，全国人民掀起了读唐诗的浪潮。在我还念中学的时候，每当心情不好，就靠读诗词来排遣。作为一名古典诗词爱好者，慢慢读得多了，就发现唐朝诗人之间存在着微妙的关系。

比如杜甫非常喜欢李白，到了做梦都想见李白的地步：三夜频梦君，情亲见君意（《梦李白》）。而李白向孟浩然表过白：吾爱孟夫子，风流天下闻（《赠孟浩然》）。孟浩然的好基友则是王昌龄：数年同笔砚，兹夕间衾裯（《送王昌龄之岭南》）。

出于好奇心，我一度想理清楚他们之间的关系。但是这件事主要有两个非常棘手的点：

• 全唐诗数量太多了，一共有四万多首。

• 诗人的别称太多，比如杜甫：按字称为子美，按排行称为杜二，按官职称为杜工部。整理起来非常麻烦。
  

针对第一点，我现在用计算机来做，即使数量再多也无所谓。

第二点则稍微费事一点，我们使用了哈佛大学编纂的《中国历代人物专辑资料库》（China Biographical Database Project 以下简称CBDB）。CBDB记录了中国历代名人的传记资料，并保存在关系型数据库中。

CBDB由很多张表组成，每张表记录了人物的不同信息。在我们这次的分析中，只用到了其中两张表，人物的主要信息表：BIOG_MAIN和人物的别名表：ALTNAME_DATA。首先从BIOG_MAIN中查询出人物编号c_personid，接着用c_personid从ALTNAME_DATA中查询出别名，如下图所示：

图中能够看到杜甫有三个别称：子美、杜二、杜工部。

当然也有很多重名的现象。比如我们查询王维时，会找出一堆叫王维的。

这个时候，我们就要使用生卒年来判定：这个人物到底是不是唐朝的。这次要从数据库中查询人物的生卒年。

唐朝建立于618年，灭亡于907年。对比后立刻发现，第二个王维才是我们要找的诗人王维。
查询别名核实一下：

看到了熟悉的王右丞和摩诘，没错，这正是王维同学。

由于CBDB收罗的历史人物太多，重名现象非常严重。经过一番探索，我最终设置了如下的排除重名策略：

1. 如果人物生卒年俱全，那么只要生卒区间和唐朝持续时间有交集即可。如果存在这样的诗人，那么直接把这个人作为全唐诗中的作者。

2. 如果人物只有生年或者卒年，那么生年或卒年必须在唐朝的持续时间内。将这样的人加入候选人列表。

3. 如果人物生卒年都不详，那么舍弃之。

经过这三条判断之后：

• 如果候选人列表为空，那么说明CBDB中没有目标人选，舍弃这位诗人。

• 如果候选人多于一个，则说明排除重名失败，舍弃这位诗人。

这种策略并不完美，存在部分注明诗人被舍弃的情况。为此我手动添加了他们：

还有部分诗人的别称比较尴尬，属于唐诗中的常用词，需要手动去除。如下：

经过这一番筛选，全唐诗中原本的2609位作者，只剩下了762位。这就够了，著名的诗人都在这个列表当中，接下来我们只关心这762位诗人之间的关系。

李白不如杜甫重情义，白居易才是真“大V”

利用上面的诗人及别称列表，我们在全唐诗中来搜索诗人之间的引用关系。规则是：诗的标题和正文中只要提到过对方，那么两者之间的引用关系加1。一首诗如果提到多次对方，只算一次引用。
经过计算机一番运转，最终得到了引用关系表。

首先来检查一下李白和杜甫之间的引用关系：

不错，杜甫写了12首与李白有关的诗，李白则只有3首与杜甫有关的诗。李白这种朋友，确实差劲了一点啊......
从这张图也可以看出，我们的程序能够识别出诗人的别名，比如杜甫的《寄李十二白二十韵》和李白的《鲁郡东石门送杜二甫》都没有直接提到对方的名字。

除此之外，我还给诗人之间的引用关系排了个座次，下面显示了排名前三十的引用关系：

我们看到，全唐诗中排名第一的好基友绝对是陆龟蒙和皮日休。这两位互相提到对方的次数都在百次以上，这是因为陆龟蒙和皮日休特别喜欢唱和，你写一首送我，我再回一首赠你，跟现在微博大V之间的互动差不多。这两位常年唱和，最后将往来的唱和诗作编写了中国文学史上的第一本唱和诗集：《松陵集》。为了不辜负他们之间的友谊，文学史上通常将两者合称为“皮陆”。

并列第二的则是白居易和刘禹锡、白居易和元稹。白居易和刘禹锡同年（772年）出生，从政道路都是各种被贬谪。两人都很长寿，刘禹锡71岁时去世，白居易则活了75岁。白居易在得知刘禹锡去世的消息时，写下了千古名句：

“四海齐名白与刘，百年交分两绸缪。同贫同病退闲日，一死一生临老头。”

白居易和元稹我不想多写了，大家只要知道二人在文学史上被合称为“元白”，就能想见二者的亲密关系了。从排名前三十的引用关系来看，白居易绝对是唐朝诗人朋友圈中的明星，是大V中的大V。

唐朝诗人引用关系的社交网络

只有引用关系列表岂不是有些干巴巴的，接下来才是本文的重头戏。我将使用ECharts来可视化诗人之间的引用关系，最终得到诗人们的社交网络。

因为我们的样本中一共有762位诗人，为了避免画出的图太拥挤，看不清，我只将前一百的引用关系图示化，如下图：

箭头表示诗人们之间的引用关系。比如说白居易引用了元稹，那么就有白居易指向元稹的箭头，元稹引用了白居易，相应的也有元稹指向白居易的箭头。

箭头的粗细程度则表示了诗人们之间引用关系的强弱。白居易引用元稹的数量为167次，元稹引用白居易的数量为88次，那么白居易指向元稹的箭头就要粗一些。

图中清晰的显示除了唐朝诗人的两个大型朋友圈：杜甫-李白朋友圈、白居易朋友圈。没错，他们分别是盛唐和中唐两个时期的核心诗人。
虽然只画出了排名前一百的引用关系，但还是很拥挤。文学史上将唐诗根据时间划分为4个阶段：初唐、盛唐、中唐、晚唐。接下来我们就分别画出这四个阶段的社交网络图。

• 初唐诗人

从箭头的粗细来看，初唐诗人中关系最好的是宋之问和沈铨期。这两位正是宫廷诗人的代表，他们两位确定了近体诗的格律，对仗等规则。粗略的说，近体诗的规则就是他们俩发明出来的。对了，他们俩在文学史上一般也合成“沈宋”哦，看来要成为好基友，没有文学史的认证是不行的。

• 盛唐诗人

（图片说明：为了制图清晰，盛唐诗人社交网络只画出了引用数大于等于2的关系。）

盛唐诗人的核心无疑是“李杜文章在，光焰万丈长”中提到的李白和杜甫了。我们再次看到，杜甫指向李白的箭头比李白指向杜甫的箭头要粗得多。而且盛唐的诗人们明显分为两群，一群以李白-杜甫为核心，一群以皇甫冉和刘长卿为核心，为什么有这样的局面？我也不知道，有没有对文学史比较了解的朋友，请在评论里赐教。

• 中唐诗人

（图片说明：为了制图清晰，中唐诗人社交网络只画出了引用数大于等于2的关系。）

中唐诗人社交网的特征很明显，各位诗人紧紧团结在以白居易、元稹、刘禹锡为核心的“文坛政治局”周围，勠力同心，同舟共济，为唐诗从浪漫主义向现实主义的伟大转折做出了历史性贡献。

• 晚唐诗人

  
  

晚唐诗人的社交网络比较散乱，没有明显的核心。其中最重要的就是李商隐和杜牧了，他俩得到了文学史认证的“小李杜”好基友称号。

这篇文章写到这里，我突然意识到，即使一个人对唐诗没有任何了解，他只要看这些社交网络图，就能立刻发现哪位诗人是同时代诗人的核心，哪位诗人的影响最大。这些都是很有用的信息。

而我们可以用计算机来分析任何时代的人物关系。中国恰好是历史文献最全的国家，如果能对这些文献统一做系统的分析，岂不是可以做出随着时间变化的历史人物关系图？

这在以前是不可能的事，现在随着计算机技术的发展和古典文献的数字化进程，逐渐有可能了。这当然是很大的工作量，任何个人都不可能实现。我想，有没有可能参考linux的开发过程，用开源的方式，大家一起来完成这件事。

我已经把用到的python源码上传到Github上，欢迎感兴趣的朋友共同研究。

（注：本文转载自公号“前进日志”，文章仅代表作者观点，文中数据图表均来自作者。）

数据侠门派

本文数据侠前进四先生。他的正经工作是航天工程师，这是一个非常严谨的行业，容不得半点差错。因此，他把多余的脑洞都用于业余爱好上：数据分析。他喜欢用各类算法分析各种好玩的东西，欢迎各位同好一起交流。

如何加入数据侠

“数据侠”栏目网罗全球最IN的数据侠客，利用人工智能、机器学习等各种前瞻算法，从数据的视角洞察消费生活的方方面面，打造理性酷炫、活泼有趣的数据分析盛宴。用大数据，阐述事实及其背后的故事和逻辑趋势。

DT时代超级英雄正在组队！你也想要成为数据侠吗？请将你脑洞大开的数据作品，发到数据侠联盟盟主程一祥邮箱：chengyixiang@dtcj.com。

（了解更多有趣又有料的商业数据分析，欢迎关注DT财经微信公众号“DTcaijing”，下载“DT·一财”APP）