前不久在网上看到了这张非常火的图，让我想起来中学的时候就发现唐朝诗人之间存在着微妙的关系。比如杜甫非常喜欢李白，到了做梦都想见李白的地步。出于好奇心，我一度想理清楚他们之间的关系。

　　这件事主要的麻烦在于以下两点：

全唐诗数量太多，一共四万多首。

诗人的别称太多，比如杜甫：按字称为子美，按排行称为杜二，按官职称为杜工部。

　　第一点，我们现在用计算机来做。第二点则稍微费事一点，我们使用哈佛大学编纂的《中国历代人物专辑资料库》（China Biographical Database Project 以下简称CBDB），CBDB记录了中国历代名人的传记资料，并保存在关系型数据库中。

　　利用CBDB查找诗人的别名

　　CBDB由很多张表组成，每张表记录了人物的不同信息，我们只用到了其中两张表，人物的主要信息表：BIOG_MAIN和人物的别名表：ALTNAME_DATA

　　首先从BIOG_MAIN中查询出人物编号c_personid，接着用c_personid从ALTNAME_DATA中查询出别名，如下图所示：

　　下面我给大家演示一下如何从CBDB中查询杜甫的别称。

　　图中能够看到杜甫有三个别称：子美、杜二、杜工部。

　　当然也有很多重名的现象，比如我们查询王維。

　　会找出一堆叫王维的，这个时候，我们就要使用生卒年来判定：这个人物到底是不是唐朝的。这次要从数据库中查询人物的生卒年。

　　唐朝建立于618年，灭亡于907年。对比后立刻发现，第二个王维才是我们要找的诗人王维。

　　查询别名核实一下：

　　看到了熟悉的王右丞和摩诘，没错，这正是王维同学。

　　由于CBDB收罗的历史人物太多，重名现象非常严重。我设置了如下的排除重名策略：

　　1.如果人物生卒年俱全，开奖，那么只要生卒区间和唐朝持续时间有交集即可。如果存在这样的诗人，那么直接把这个人作为全唐诗中的作者。

　　2.如果人物只有生年或者卒年，那么生年或卒年必须在唐朝的持续时间内。将这样的人加入候选人列表。

　　3.如果人物生卒年都不详，那么舍弃之。

　　经过这三条判断之后：

　　如果候选人列表为空，那么说明CBDB中没有目标人选，舍弃这位诗人。

　　如果候选人多于一个，则说明排除重名失败，舍弃这位诗人。

　　这种策略并不完美，存在部分注明诗人被舍弃的情况。为此我手动添加了他们：

　　部分诗人的别称比较尴尬，属于唐诗中的常用词，需要手动去除。如下：

　　经过筛选，全唐诗中2609位作者，剩下762位。接下来我们只关心这762位诗人之间的关系。

　　2 搜索诗人之间的引用关系

　　利用上面的诗人及别称列表，我们在全唐诗中来搜索诗人之间的引用关系。

　　规则是：诗的标题和正文中只要提到过对方，那么两者之间的引用关系加1。一首诗如果提到多次对方，只算一次引用。

　　经过计算机一番运转，最终得到了引用关系表。

　　2.1 李白和杜甫之间的引用关系

　　首先来检查一下李白和杜甫之间的引用关系：

　　不错，杜甫写了12首与李白有关的诗，李白则只有3首与杜甫有关的诗。李白这种朋友，确实差劲了一点啊。

　　从这张图也可以看出，我们的程序能够识别出诗人的别名，比如杜甫的《寄李十二白二十韵》和李白的《鲁郡东石门送杜二甫》都没有直接提到对方的名字。

　　2.2 引用关系排名

　　我给诗人之间的引用关系排了个座次，下面显示了排名前三十的引用关系：