大数据解读唐诗宋词：苏东坡去得最多的地方是杭州

当科技感满满的“数据可视化”邂逅古典的唐诗宋词，会擦出怎样的火花？

近日，一组可视化数据作品《宋词缱绻，何处画人间》（以下简称《宋词》）和《唐女诗人群像》（以下简称《唐诗》）在朋友圈刷屏。该作品由浙江大学CAD&CG国家重点实验室和新华网数据新闻部合作，历时半年完成。

团队分析了5.5万首唐诗、2.1万首宋词，用大数据技术解读古典唐诗宋词，意外发现不少隐藏的信息。

大数据显示

苏东坡去得最多的地方是杭州

这个作品长什么样呢？记者打开了网页版的《宋词》。

多处留白，水墨插图，素雅的配色风格，这个作品的风格“整体上是向山水画靠拢”的。

据了解，《宋词》以《全宋词》为样本，为完成这一解读，团队分析了近2.1万首词作、近1330家词人、近1300个词牌名。而《唐诗》作品的基础，则是5.5万首唐诗的数据分析。

记者观察到，《宋词》网页版是由诗人行迹图和年代生平图联动的时空图，以及宋词词云图、意象情绪图、韵律图组成的。

在年代生平图中，记者选中代表“苏轼”的折线，根据图示，显示出一条“先平再升又平”的折线，其试图反映的是苏轼一生的仕途起伏。

和生平图联动的行迹图上，地图同步出现大小不同的褐点，用线连接，每个点的大小因苏轼踏足的次数决定。这呈现的是苏轼一生的轨迹。从点线图上看，苏轼的足迹几乎遍布整个宋朝疆域。其中，最大的点所在位置是杭州城，这说明杭州是他最多造访的地方。

“东风”一词

在宋词中共出现1264次

随着页面下拉，映入眼帘的是宋词“词云图”部分。词云图根据宋词词语使用次数分析，使用次数越多的字号越大，颜色越深，位置越居中。记者看到，位于正中的词是“东风”，该词被使用了1264次。排在其后的是“何处”，一共被使用了1157次。排第三的是“人间”，在宋词中一共出现1061次。

“我们之前了解宋词唐诗，更多地是一首一首分开理解赏析，而这次的研究让我们可以从大数据层面去寻找诗词背后所隐藏的信息。”浙江大学CAD&CG国家重点实验室设计主管张玮告诉记者。

此次的研究历时半年，浙大团队和新华网数据新闻部制作完成的《宋词》《唐诗》作品，均以网页的形式呈现，里面包含的信息颇为丰富。其中，信息量最大、制作最为复杂的当属《宋词》作品。

“在传媒行业，如此成熟的传统文化题材的可视化数据新闻作品还很鲜见。”张玮说，这也是浙江大学可视化小组研究团队在这方面的首次尝试。

诗人作品中提到“酒”

一半是在追思，三成是开心

团队不仅分析了《全宋词》文本表面的信息，还深入挖掘宋词所表达的意象含义，整合成意象情绪图。

意象情绪图选取了30个像“月”“酒”等常见的字词，以苏轼、李清照等24位高产词人作为代表。通过大数据分析，得出这些意象词汇所表示的情绪，并将情绪分为五种——“喜怒哀乐思”，然后用饼状图表现出各种字词所表示的不同情绪的比例。

比如诗人在写“酒”时，近半数想要表现的意象是怀念和思考。陆游写“红酥手，黄滕酒”，或者晏殊写“一曲新词酒一杯，去年天气旧亭台”，都是在追忆故人以及对人生的思考。还有近三成，是类似朱敦儒笔下“日日深杯酒满，朝朝小圃花开”的开怀一笑。

那么，大数据技术是如何从宋词的字里行间体察到词人当时的情绪呢？

首先，团队需要将基本只表示某种特定情绪的典型意象整理出来。张玮说，为了更精确，团队还专门请来浙大文学院博士胡秋研进行了核对。

负责数据分析和前端开发的潘如晟告诉记者，他们会用大数据分析上下文，根据典型意象去计算该字词属于某一情绪的概率，得出诗人最有可能想要表达的情感。

简单来说，比如诗人张在的《题兴龙寺老柏院》中写到：“南邻北舍牡丹开，年少寻芳日几回。惟有君家老柏树，春风来似不曾来。”其中，“松柏”表达的就是一种“追思”的情绪。再联系上下文，可以得出“牡丹”和“春风”想要传达的也是“思”。

通过可视化的数据呈现

让唐诗宋词真正通俗易懂

当问及这项研究的难点所在，张玮首先提到的是图表的选择。为了找到最合适的数据呈现方式，许多图表都是几易其稿。

合适的图表，既要美观，又要能涵盖所需要呈现的信息，同时还要表现得直观，还要与读者进行比较顺畅的互动，这着实让团队费了不少工夫。据张玮介绍，团队曾尝试用“小山峰”视图去表现词的抑扬顿挫，但考虑到图像重叠影响观感，又不利于摆放意象图像，最后只能作罢。

“人是视觉性的，可视化形式的科普手段，可以把晦涩的古诗词变得通俗易懂，让科普摆脱说教或者沉闷的刻板印象，从而起到推广传统文化的作用。”浙江大学计算机科学与技术学院副院长陈为说。

这项研究定位是科普，因此选择分析的对象也以唐诗宋词最基本的内容为主。张玮说：“这个产品的制作并不是为了得出某一结论，而是给人们提供一种探索唐诗宋词的有趣工具。”因此，更多有意思的结论还有待于读者们去发现。