正文
另一方面，对数据样本本身的其特性也需要做前期分析——比如早期文献完整性往往很差，像唐诗的亡佚问题（以《早朝大明宫呈两省僚友》为例，也许当时和作不止三首）就会干扰最终结论；同时，对作者想实现的目的而言，唐诗文献这个样本自身也并不充足（两省僚友中很难说只有三位诗人，不管他们这次有没有和诗）。要之，诗作的往还，并不是诗人交往的唯一方式，又何况诗作亡佚甚多。应该说，作者的工作只是为研究唐代诗人交往情况做了一些前期准备，提供了一些可以进一步分析的数据，而全部工作还远没有完成。但我认为以上这些问题，应该责之文学研究者去解决，而不应该责之为我们提供这个方法的人。打个比方，当文学研究和数据挖掘相遇时，他们的关系就好比医生和设计医疗器械的工程师，各自都要对对方的工作懂一点，才好相互合作，但谁也不可能取代谁。
不错，大数据是把好用的柳叶刀。《诗人关系》的作者还用这把刀做过唐诗用字、用词（季节、颜色、植物、动物）等数据分析（《当我们在读唐诗时，我们在读什么？》，下面简称《读唐诗》）。如果说《诗人关系》是对文学的外部研究的话，《读唐诗》则是文学文本的内部分析。这种分析取径也是古已有之，我们说杜甫喜欢用万里、乾坤、日月之类的大词，李贺喜欢用各种颜色，这都是古今文学研究者总结出来的文学现象。所谓总结，其实就是一种算法，通过这种算法，我们能把握诗人创作的某些特点。我读大学的时候，我的老师考学生的一个办法，是找几首名家写的不那么常见的诗（相对于本科生的阅读量），让大家猜作者。猜，其实就是对诗人的用词、语法、章法习惯的一个综合计算。而古人习诗，特重拟作，模拟一篇作品，其实和读作品猜作者一样，也得先对诗人的用词、语法、章法习惯做综合计算。
所以说，文学美，但并不玄。人人知道太白斗酒诗百篇，太白可是把《昭明文选》反反复复拟作过三遍呢。这样看所谓斗酒诗百篇，不过是说做过无数套模拟题的学霸在醉醺醺的情况下仍能考好罢了。
据说阮籍的《咏怀》，“可以陶性灵，发幽思。言在耳目之内，情寄八荒之表”，很玄的样子，就像“夜中不能寐，起坐弹鸣琴。薄帷鉴明月，清风吹我衿。孤鸿号外野，朔鸟鸣北林。徘徊将何见，忧思独伤心”。可它和这样一首诗——“独夜不能寐，摄衣起抚琴。迅风拂裳袂，白露沾衣襟。孤雁飞南游，飞鸟翔故林。形影忽不见，翩翩伤我心”像不像呢？后一首可是我拿曹植、王粲的诗句乱拼的。所以说阮籍也是打开数据库写诗的，三曹七子汉乐府，这些都在他的数据库里。创作、研究的这种“数据库现象”，正是计算机可以介入文学研究的方法论基础。
无可否认，计算机比人体更适合处理海量数据，因此特别长于探索一些宏观的、结构性的东西——比如诗人团体构成、地域分布、阶层分布，它们在某个时间点呈现的静态图景，或者在某个时间段呈现的动态走势。而计算机的另一个长处是实现分析结果的可视化，我有时就在课上展示不同诗人的词云来让学生猜作者，学生会觉得很酷，而且很容易记住诗人的用词偏好，还能发现谁爱重复用词（就是词云图中出现的那些字号巨大的词）、谁更有避复的意识；我又想过把杜甫的诗按他的行迹标注在电子地图上，这样就是一个杜诗的生成地图，甚至可以进一步做成app，点击一个地点，作于此地的诗就弹出来，读者可以跟着杜甫，重走他诗人的一生。
