简体中文
【亞太日報訊】運用大數據分析方法，借助“機器文學算法，北京郵電大學信息安全中心主任楊義先教授進行了有趣的“唐詩揭秘——對詩仙李白、詩聖杜甫等的詩詞進行了“用字習慣分析。
有些結果與直觀想像很接近；但是，確實另有一些結果比較出人意料，例如如果不允許李白使用姓氏字來寫詩，那麼，他連一個完整的詩句都寫不成，更甭談一首詩了。但是如果讓李白只使用姓氏字來寫詩，他也寫不出，但是杜甫卻能夠寫出三首詩來！神奇嗎？
【寫詩，原來是典型的大數據問題！】
楊義先帶領的靈創團隊告訴我們，從計算機科學角度來看，“寫詩其實是一個典型的“大數據分析與綜合的過程。
關於綜合，先人們早就知道“熟讀唐詩三百首，不會吟詩也會吟。這其實就是大數據綜合！“綜合越好，詩的水平就越高，因此，詩仙李白和詩聖杜甫可謂是“綜合高手了。楊義先曾發布過能讓文盲寫詩的《出詩表》，正是綜合大數據的最直觀的案例。
關於分析，最著名的歷史典故，該算賈島的“僧推月下門或“僧敲月下門了。但是，由於缺乏有力的分析工具，也由於樣本太小，因此，自古以來，詩詞的分析過程都僅僅限於局部，比如，是“推還是“敲。
“分析是“綜合的基礎。反過來，大量“綜合知識的積累，又有利於提高“分析的精准度，從而大大改善“綜合的結果。幾乎所有的現代和古代詩人都只是在潛意識地進行著，而且還將繼續進行下去。如果能夠把這些思維過程，明確地呈現出來，甚至建立相應的模型，那麼，肯定有助於高效地提高詩人的修養，而且，還有助於搞清楚人類的文學創作過程。在大數據時代，樣本素材的獲取有了重大改善，算法工具也開始出現，可以揭示某些千年以來不為人知的秘密。
【為何采用“姓氏來分析詩中用詞？】
靈創團隊使用機器文學算法、集合論的邏輯推理等分析工具，前者是其團隊自主開發的的一套計算機軟件，涉及到許多數學和密碼學的技巧，分析的基礎字集則是簡單的《新華字典》、《中華單姓氏字集》等簡單工具書。
按傳統，每個朝代都有自己的官方字典。除了姓名等字之外，當朝百姓和官文用字基本上都限於本朝的官方字典，而且，隨著朝代的成熟和穩定，這種“向官方字典靠攏的現象會更加明顯。比如看看最重要的《十八大報告》：雖然它洋洋灑灑8萬字，但是，其中互不相同的漢字卻只有897個，而且，這897個字全都出自《新華字典》，只有118個字不屬於《中華單姓氏字集》，可見，姓氏字是多少普遍，竟然占有87%的用字比例！）
從純粹的研究角度看，官方字典有一個嚴重缺點，那就是它的不穩定性。大清的《康熙字典》與《新華字典》可謂是天壤之別。但是，有一個字集卻是超級穩定的，那就是《中華姓氏字集》，不管朝代如何更替，不管發生什麼天災人禍，姓氏字永遠是代代相傳的。
【分析李白詩集：兩個“萬萬沒想到】
李白一生，寫詩約979首，共約8萬字，其中只有3471個字是不重複的，兩個有感覺的分析結果是：
如果人人都是皇帝，即，其姓氏字都得避諱，那麼，情況會怎麼樣？答案是，李白的所有五言或七言詩中，沒有一個詩句是完整的，更不可能有一首完整的詩了！可見，《中華姓氏字集》的“殺傷力有多大！那麼，《中華姓氏字集》的建設力大嗎？
這帶來第二個情況，如果只允許使用姓氏字，那麼，情況又會怎麼樣？這個答案也許就出乎您的意料了！因為，如果只允許使用姓氏字，那麼，李白一生竟然連一首詩也不能發表！
因此，對李白的詩集來說，《中華姓氏字集》的建設力非常有限。
【《唐詩三百首》的大數據分析揭秘】
既然李白能夠被《中華姓氏字集》搞傻，那麼，唐朝的其它詩人命運又怎樣？其它，結果也大同小異，但是，杜甫同志的命運相對奇好！比如：
情況1）如果人人都是皇帝，即，其姓氏字都得避諱，那麼，《唐詩三百首》中的每個詩句都會被殺死，更不可能有一首完整的詩了！即，《中華姓氏字集》的“殺傷力很大！
情況2）如果只允許使用姓氏字，那麼，《唐詩三百首》中也只有如下區區八首詩能夠幸存下來，死亡率高達97%!可見《中華姓氏字集》的建設力非常有限。但是，杜甫運氣特好，竟然有三首都是他的！注意：從宏觀上看，杜甫的用字，比李白更遠離《中華姓氏字集》。
綜合而言，根據離開《新華字典》和《中華姓氏字集》的距離，按從遠到近的順序排列，結果是：杜甫、李白、《唐詩三百首》、《十八大報告》。但是，杜甫有三首詩的字全都來自於《中華姓氏字集》，而李白（運氣不好）連一首也沒有！
北京郵電大學信息安全中心主任 楊義先教授，灵创团队带头人。
