用大數據研究唐詩宋詞，結論很顛覆

用大數據分析唐宋詩詞，結論可能超出你想像——唐代詩人中作品量居第一的白居易，影響力排在十名之外；最受追捧的詞人不是蘇軾、辛棄疾，而是周邦彥；綜合影響指數表明，杜甫高於李白、辛棄疾強於蘇軾……

綜合影響指數杜甫最高

以上新發現，是國家社科基金重大項目「唐宋文學編年系地信息平台建設」首席專家、四川大學文學與新聞學院講席教授王兆鵬分析所得。

唐詩是中國詩歌史上第一座高峰。唐代詩歌五萬多首，詩人三千餘位，詩人和詩作都達到前所未有的量級。宋代詞人近一千五百位，詞作超兩萬一千闋。

從個體詩人來看，唐詩宋詞裡誰的作品最多？王兆鵬的大數據顯示，白居易名列唐詩作品量的榜首，詩作近三千；杜甫和李白緊隨其後，都超過千首大關。宋詞中辛棄疾的詞作量位居第一，有六百餘闋，其次是蘇軾、劉辰翁。宋詩的篇數，則由陸游稱雄，凡九千多首，其次是劉克莊和楊萬里。

根據綜合影響指數排名，唐代詩人影響力第一的是杜甫，其次為李白、王維，而作品量居第一的白居易，影響力排在十名之外。宋代詞人作品量和影響力第一的都是辛棄疾，蘇軾和周邦彥分別居第二、第三。高居宋詩影響力榜首的是蘇軾，作品量雄居榜首的陸游緊隨其後。

提到唐詩宋詞的名家，人們習稱「李杜」「蘇辛」，似乎李優於杜、蘇勝於辛。但綜合影響指數表明，杜甫高於李白、辛棄疾強於蘇軾。更令人意外的是，最受追捧的詞人不是蘇、辛而是周邦彥。在一百首和三百首宋詞名篇中，周邦彥各佔15首和40首，佔有率遠高於蘇、辛。

用客觀的數據去衡量、分析頗為主觀的詩詞鑒賞，是否科學、能否可行？在接受北京青年報記者專訪時，王兆鵬強調，雖然數據能在一定程度上描述顯示文學史的發展面貌和進程，但也有明顯的局限性。

30年前開始研究，積累了上百萬條數據

問：《大數據里的唐宋詩詞世界》課題的初衷是什麼？

答：我1992年就開始做唐宋詩詞的定量分析了。初衷是每人心目中都有自己的唐宋詩詞名篇。究竟歷史上哪些唐宋詩詞被視為名篇，我想用統計數據來分析衡量。

問：那您是如何利用大數據來衡量唐宋詩詞質量的呢？這些數據是如何統計出來的？

答：唐宋詩詞作品的質量，目前還沒找到有效數據來評估、衡量。我目前正在努力嘗試構建文學作品質量的評價指標體系，以便蒐集數據。這需要比較長的過程。此外，個人建立的評價指標體系，需要學界的認同和共識。

問：關於文學指標體系，學界目前的研究現狀怎樣？

答：大數據時代的文學數據，需要分類分層建立起文學史數據的指標體系，以確保數據的信度和效度。但目前用大數據來做唐詩宋詞研究的學者不多，為學界共享的唐宋詩詞大數據也相當有限。

我從1992年到現在，雖然積累了一百多萬條和唐詩宋詞有關的數據，但還不完備、不均衡。有的時段數據多，有的時段數據少；有的這一類數據多，那一類數據少；有的詩人數據多，有的詩人數據少。我們常感慨「書到用時方恨少」，數據更是這樣。全方位分析唐詩宋詞時，常常覺得數據不夠用。

在我看來，文學評價指標體系應該以作品為中心來建立。作家的影響力是以作品的影響力為前提。而作品評價，可分兩個維度，一是相對穩定的作品的內在文學價值，二是動態不居的作品的外在影響力。其文學價值，可考慮從內容和形式兩個層面來評估。

作品影響力則從創作者、評論者、普通讀者三個層面來衡量。一是對創作者的影響，包括引用、化用、仿效、改編、翻譯等，體現出作品的典範性和吸引力；二是對評點者的評論和學者的研究，反映出作品在文學批評、學術研究層面的美譽度和關注度；三是在普通讀者中的傳閱度和知曉率。確定作品的價值、影響的基本要素和結構後，再構建計算模型，然後由計算機在相關資源庫、語料庫和網絡運行，挖掘提取相關數據，最後計算出每篇作品的得分。

數據無法測度藝術含量和審美價值的高低

問：我注意到，您在課題裡提到，據統計，東漢到隋末近六百年，詩歌總共才五千餘首，而到唐代，詩歌第一次超過萬首並直接跨越到五萬多首，達到前所未有的高峰。唐詩比之前的八代詩增加了七倍多，詩人由六百餘位增加到三千餘位，詩人和詩作都達到前所未有的量級。這個數據從何而來，有參考哪些重要的文獻資料麼？

答：數據來源於我的老朋友尚永亮教授的兩篇論文：《八代詩歌分布情形與發展態勢的定量分析》和《 唐知名詩人之層級分布與代群發展的定量分析》。

問：白居易的詩數量最多，影響力卻在前十名開外，這是如何判定的？

答：用數據衡定的。我們用了多種數據，對唐代詩人影響力進行排名。白居易的影響力，在現代大於古代。他的綜合影響力，遠不如李白、杜甫。

問：那您通過大數據判定唐詩宋詞質量的依據是什麼，有無樹狀統計圖來支撐？

答： 還沒有樹狀圖，在努力嘗試中。目前只能用大數據衡量唐詩宋詞影響力的大小——包括對後代詞人創作的吸引力，對後代詞評家中的美譽度，在普通作者中的知名度等等。目前暫時還不能用數據測度唐詩宋詞藝術含量和審美價值的高低。

戰爭不是推動文化中心南移的唯一因素

問：用大數據研究唐宋詩詞有無遇到一些學術上的困難，又是如何克服的？

答：文學研究從來沒有數據意識，困難不僅在於到哪去找數據，更在於找什麼樣的數據。究竟什麼樣的數據有用有效，既需要理論的支撐，也需要在實踐中檢驗。理論上，我們不斷探求，從統計學、計量信息學和計量歷史學中去尋找理論和方法的啓示；實踐上，反復試驗，失敗了重來。最痛苦的是，數據庫建好了，文章也寫完了，忽然發現數據來源不全，只好從頭補齊數據，寫好的論文又推倒重來。

問：您在大數據具體研究中還有哪些新發現呢？

答：數據的意義，既能確證傳統的結論，也會修正傳統的結論，更能發現新問題，改變傳統的認知。比如，中國文化地理有一個著名的結論，中國文化中心，是由北方中原逐步向南方移動，第一次南移是東晉永嘉之亂，第二次南移是唐代安史之亂，第三次南移是宋代靖康之亂。三次戰亂推動了文化中心的南移，靖康之亂後，文化中心就徹底移到南方。我們的大數據發現，文學中心在北宋初就完全移到南方，南方作者的數量全面超越北方，無需等到靖康之亂後。而且，戰爭不是推動文化中心南移的唯一因素。

我們還發現，宋代的文學中心，是逐步向東南沿海移動。按今天的地市級行政區劃來統計，宋代福建南平的作者人數最多，名列第一，福州居第二，這很讓人驚訝。與此相關的是，宋代進士人數福州第一，南平第二。可見當時南平、福州教育發達，進士多，詩詞作者也多。教育與文學是高度正相互的。

此外，我們還發現蘇東坡詞的創作高峰是在黃州，他三分之一的詞是在貶謫黃州期寫的，他的名篇佳作一半是在黃州寫的。比如宋詞的第一名篇《念奴嬌·赤壁懷古》就是在黃州寫的。黃州成就了蘇軾詞作的輝煌。■