大数据分析5万首《全唐诗》，发现了这些秘密
你知道
唐诗中出现频率最高的字是什么？
你知道
唐诗中描写最多的季节是哪一个？
你知道
唐诗描写最多的感情是哪一种？
唐诗、宋词、元曲又有哪些区别呢？
今天，小壹带着这些问题，
通过基于人工智能的语义分析技术，
对《全唐诗》进行深度的文本数据分析，
发现了一些有趣的秘密。
《全唐诗》是清康熙年间编校的一本唐诗合集，历时一年多编校成文。收录诗人，凡二千二百余人，收录诗作四万八千九百余首。
《全唐诗》中出现频率最高的字：人
去掉一些常见的虚词，
如“之”、“乎”、“者”、“也”。
出现频率最高的字是“人”。
人生得意须尽欢，莫使金樽空对月。
清明时节雨纷纷，路上行人欲断魂。
故人西辞黄鹤楼，烟花三月下扬州。
千山鸟飞绝，万径人踪灭。
故人具鸡黍，邀我至田家。
其它高频字如
“山”、“风”、“月”、“日”、“天”、“云”、“春”
等都是在写景的诗句里经常出现的意象。
海上生明月，天涯共此时。
大漠孤烟直，长河落日圆。
黄河远上白云间，一片孤城万仞山。
东风不与周郎便，铜雀春深锁二乔。
人面不知何处去，桃花依旧笑春风。
《全唐诗》中最常见的148个字（不包括虚词）排名如下：
唐诗TOP200常用双字词
通过观察唐诗中的常用双字词，可以看出其中的成词规律。
这里列出TOP200的共现双字词：
从上面的双词探测结果中，可以发现如下6类成词规律：
（1）复合式（A+B等于C）：由两个字组成，这两个字分别代表意义，组成双音节的词，这类词出现的频次最多。比如，弟兄、砧杵、纪纲、捐躯、巡狩、犬吠。
（2）重叠式（AA等于A）：琅琅、肃肃、忻忻、灼灼。
（3）叠音（AA不等于A）：琅琅（单独拆开不能组其他词）、的的（拆开后的单字的词义不同）等。
（4）双声（声母相同）：踌躇（声母都是c，分开各自无法组词）、参差（声母都是c）、缅邈（声母都是m）。
（5）叠韵（韵母相同）：噫嘻（韵母是i）、缭绕（韵母是ao）、妖娆（韵母是ao）等。
（6）双音节拟声词：歔欷、咿哑等。
《全唐诗》中出现最多的季节：春
诗人们最爱写哪个季节？
经过分析，依次排名为：
春、秋、夏（暑）、冬。
在唐诗里，
伤春、惜春是常见的春诗题材，
事实上，写春的诗俯拾皆是，
标题中带春的就有不少，
如张若虚的《春江花月夜》
韩愈的《春雪》
杜甫《春望》
白居易《钱塘湖春行》
孟浩然《春晓》
……
这些都是耳熟能详的名篇。
《全唐诗》中出现较多的颜色：绿、白
小壹找了51个古语中常用的颜色的单字，
注意是古汉语语境中的颜色称谓。
其中以红色系（红、丹、朱、赤、绛等）、
黑色系（暗、玄、乌、冥、墨等）、
绿色系（绿、碧、翠、苍等）及
白色系（白、素、皎、皓等）为主，
这些颜色及其对应的字频如下表所示：
绿色和白色占比较高。
在唐诗中，
“绿”“碧”“苍”“翠”等大都用于写景，
“绿树”、“碧水”、“苍松”、“翠柳”等，
这些高频字从侧面反映出全唐诗中描写
景物、寄情山水的诗句占比很大，
透露出平静、清新和闲适之感。
绿树村边合，青山郭外斜。
碧玉妆成一树高，万条垂下绿丝绦。
孤帆远影碧空尽，唯见长江天际流。
天门中断楚江开，碧水东流至此回。
映阶碧草自春色，隔叶黄鹂空好音。
在唐诗中
白色常渲染出一种韶华易逝、悲凉的气氛，
常见的有“白发”、“白云”、“白雪”。
白头搔更短，浑欲不胜簪。
白雪却嫌春色晚，故穿庭树作飞花。
君不见，高堂明镜悲白发，朝如青丝暮成雪。
白云一片去悠悠，青枫浦上不胜愁。
唐诗中出现最多的感情：悲
诗词君根据诗歌中常见的主题类别，
情绪类别分为：
悲：愁、恸、痛、寡、哀、伤、嗟…
惧：谗、谤、患、罪、诈、惧、诬…
乐：悦、欣、乐、怡、洽、畅、愉…
怒：怒、雷、吼、霆、霹、猛、轰…
思：思、忆、怀、恨、吟、逢、期…
喜：喜、健、倩、贺、好、良、善…
忧：恤、忧、痾、虑、艰、遑、厄…
下面是对《全唐诗》近5万首诗的情绪分析结果，展示如下：
出乎很多人的意料，
代表大唐气象的唐诗应该以
积极昂扬的情绪为主，
可最后却是“悲”、“思”、“忧”
这样的情绪占据主流，
而 “喜”、“乐”这样的情绪却占据末流！
比如唐诗中常见的几种情结，
如“悲秋情结”、“别离情结”、
“薄暮情结”和“悲怨情结”，
都体现出浓重的“悲情”色彩。
在唐诗名句中，“悲”随处可见：
前不见古人，后不见来者。
念天地之悠悠，独怆然而涕下。
从时间与空间两个角度把悲凉拉长了。
君不见，高堂明镜悲白发，朝如青丝暮成雪。
感慨时间流逝，这种伤悲超越时间。
无边落木萧萧下，不尽长江滚滚来。
万里悲秋常作客，百年多病独登台。
老病残躯，孤苦无依独登台，
心中悲凉陡然而生。
在天愿作比翼鸟，在地愿为连理枝。
天长地久有时尽，此恨绵绵无绝期。
相爱而不能相聚，生死遗恨，没有尽头！
《全唐诗》VS《全宋词》VS《全元曲》
完成《全唐诗》的文本挖掘后，小壹又想到一个有趣的分析维度——
从文本挖掘的角度来比较《全唐诗》、《全宋词》和《全元曲》之间用字的差异，
并借此来分析各自的文学艺术特征。
唐诗、宋词、元曲中出现的独有高频字依次是：
▪ 唐诗：唯、馀、始、鸟、含、尔、昔、兹、忽、栖、川、旌、戎、秦…
▪ 宋词：阑、沈、匆、帘、浓、约、淡、觞、蕊、屏、凝、笙、瑶、柔…
▪ 元曲：哥、俺、咱、孩、姐、吃、哩、科、厮、拿、你、叫、呀、呵…
从上面的关键字来看，唐诗、宋词和元曲各自的特征很鲜明：
唐诗：雄浑高华
用字清澹高华、含蓄，诗味较浓，寄情山水和金戈铁马的特征明显，可以联想到唐诗流派中典型的山水田园派和盛唐边塞诗，它们大都反映大唐诗人志趣高远、投效报国的情怀。
大漠孤烟直，长河落日圆。
此地一为别，孤蓬万里征。
三顾频烦天下计，两朝开济老臣心。
秦时明月汉时关，万里长征人未还。
黄河远上白云间，一片孤城万仞山。
宋词：婉约柔美
宋词中所用的字多婉约、宛转柔美，表现的多是儿女情长，生活点滴，这也难怪，由于长期以来词多趋于婉约柔美，人们便形成了以婉约为正宗的观念。
月上柳梢头，人约黄昏后。
一曲新词酒一杯，去年天气旧亭台。
十年生死两茫茫，不思量，自难忘。
槛菊愁烟兰泣露，罗幕轻寒，燕子双飞去。
红酥手，黄滕酒，满城春色宫墙柳。
元曲：通俗率真
元曲中所用的字生活气息浓重，通俗易懂、接地气、诙谐、洒脱和率真，充分反映了其民间戏曲的特征，这与蒙元治下的汉族知识分子被打压，很多文人郁郁不得志、转入到民间戏曲的创作中来有关。
枕上十年事，江南二老忧，都到心头。
伤心秦汉，生民涂炭，读书人一声长叹。
人生百年有几，念良辰美景，休放虚过。
问从来谁是英雄？一个农夫，一个渔翁。
离了利名场，钻入安乐窝，闲快活！
▐ 本文作者：苏格兰折耳喵（ID：yymzylc），转载请联系原作者。