基于主題模型的古典樂(lè)器詩(shī)詞文本挖掘

申資卓，楊 瑩，邵艷秋

(北京語(yǔ)言大學(xué) 信息科學(xué)學(xué)院，北京 100083)

0 引言

中國(guó)是詩(shī)詞的故鄉(xiāng)，也是音樂(lè)的國(guó)度?！鞍艘簟笔枪糯荣t將樂(lè)器按其制作材料分為的八類(lèi)。韓愈在《送孟東野序》中寫(xiě)道“金石絲竹匏土革木者，物之善鳴者也?！鼻О倌陙?lái)，隨著時(shí)代發(fā)展和文化交流，中國(guó)“八音”中的樂(lè)器有的傳承至今，有的逐漸失傳。

目前對(duì)于樂(lè)器中“八音”的研究大致可以分為以下幾類(lèi): 其一是對(duì)一種具體樂(lè)器的研究，馬玉婷梳理了涉“磬”詩(shī)的發(fā)展脈絡(luò)[1]；李萌、王少杰統(tǒng)計(jì)了宋詞中的“笙”[2]；蒲雨瀟研究了宋詞中的“簫”[3]。其二是古代文學(xué)文本中“八音”的研究，王華統(tǒng)計(jì)分析了《詩(shī)經(jīng)》中“八音”的分布情況[4]。其三是從音樂(lè)的視角對(duì)“八音”進(jìn)行的研究。

1 唐詩(shī)宋詞中 “八音”的統(tǒng)計(jì)與分析1.1 詩(shī)詞中“八音”樂(lè)器詞語(yǔ)統(tǒng)計(jì)分析1.1.1 樂(lè)器詞語(yǔ)頻次統(tǒng)計(jì)

“八音”被認(rèn)為是中國(guó)最古老的樂(lè)器分類(lèi)方法。唐宋是中國(guó)古典音樂(lè)大繁榮的時(shí)期，隨著音樂(lè)的不斷豐富與發(fā)展，“八音”所包含的樂(lè)器種類(lèi)也越來(lái)越多樣。通過(guò)文獻(xiàn)閱讀，我們搜集了古代文學(xué)中“八音”的名稱(chēng)，如表1所示。

表1 “八音”中的樂(lè)器

續(xù)表

根據(jù)表1分別將《全唐詩(shī)》(42 979首)、《全宋詞》(21 050首)中包含“八音”的詩(shī)詞按照字符串匹配的方式挑選出來(lái)，統(tǒng)計(jì)結(jié)果為圖1、圖2。

圖1 八音在《全唐詩(shī)》中的頻次分布

圖2 八音在《全宋詞》中的頻次分布

雖然孤立地看每一首詩(shī)詞作品都是詩(shī)人、詞人的個(gè)體創(chuàng)作，但一個(gè)時(shí)代的作品匯集在一起，則能夠反映出整個(gè)時(shí)代相關(guān)的一些情況，通過(guò)統(tǒng)計(jì)《全唐詩(shī)》、《全宋詞》中“八音”的頻次分布，可以宏觀了解唐宋“八音”使用的異同。

1.1.2 唐詩(shī)中的“絲”與宋詞中的“竹”

從圖1、圖2中可以看出，絲類(lèi)樂(lè)器在唐詩(shī)中出現(xiàn)的頻次最高，和唐詩(shī)的關(guān)系最為密切，而在宋詞中，出現(xiàn)頻次最高的樂(lè)器是竹類(lèi)。

“絲”指的是彈拉弦的樂(lè)器，在“絲”類(lèi)樂(lè)器中“琴”出現(xiàn)在1 593首唐詩(shī)中，“瑟”被寫(xiě)入480首唐詩(shī)中?！度圃?shī)》中有關(guān)“琴”、“瑟”的描寫(xiě)分為三類(lèi):

首先，使用于男女愛(ài)情的描寫(xiě)。例如“玉軫朱弦瑟瑟徽，吳娃徵調(diào)奏湘妃。”表達(dá)了“郎不歸”的愁情；其次，使用于送別分離的場(chǎng)景。陳子昂寫(xiě)下“離堂思琴瑟，別路繞山川?！彪x別之情令人感慨歔欷；最后，使用于生活意趣的寄托。詩(shī)佛王維詩(shī)中的琴顯出禪意，如“獨(dú)坐幽篁里，彈琴?gòu)?fù)長(zhǎng)嘯?！痹?shī)鬼李賀筆下的琴則透著些許仙氣，如“九節(jié)菖蒲石上死，湘神彈琴迎帝子。”

“竹”指的是竹制吹奏樂(lè)器。在《全宋詞》中“簫”在536首詞中出現(xiàn)，是“竹”類(lèi)樂(lè)器中出現(xiàn)頻次最高的樂(lè)器。在宋詞中文人偏愛(ài)使用“簫”來(lái)造境，其一是造渾厚之境: 張先的“飛檻倚，斗牛近，響簫鼓、遠(yuǎn)破重云”。“簫鼓”營(yíng)造喜洋洋之境，又不乏宏大的氣勢(shì)；其二是造哀戚之境: 柳永的“豈知秦樓，玉簫聲斷，前事難重偶”。簫聲嗚咽，寄托哀婉凄怨之情思；其三是造離愁之境: 張炎的“十二小紅樓，人與玉簫何處?！蔽羧涨榫常瑓s時(shí)過(guò)境遷，玉簫聲斷，徒添傷感[3]。

1.1.3 唐詩(shī)宋詞中的“石”

石類(lèi)樂(lè)器在唐詩(shī)中出現(xiàn)的頻次為410次，而在宋詞中僅出現(xiàn)了14次。石類(lèi)樂(lè)器在唐詩(shī)中的繁榮與唐代佛教的盛行關(guān)系密切，在宋詞中的冷門(mén)原因在于宋詞的文體特征。

自東漢以來(lái)，隨著佛教在中國(guó)的興盛，磬進(jìn)入佛事作為法器也日漸興盛，到唐中達(dá)到空前的繁榮。詩(shī)人們通過(guò)“磬”反映佛教禪理、宮廷禮儀、山水田園[1]。

磬歷來(lái)主要作為禮樂(lè)樂(lè)器的特性，決定了其使用的局限性?！度卧~》中磬僅僅出現(xiàn)了14次，這與宋詞的文體特征有關(guān)，宋詞是中國(guó)文學(xué)發(fā)展史上第一個(gè)抒寫(xiě)艷思戀情的專(zhuān)門(mén)文體。宋詞的題材集中在描寫(xiě)離愁別緒、風(fēng)花雪月等方面。因此石類(lèi)樂(lè)器在宋詞中出現(xiàn)的頻次較低。

1.2 “八音”詩(shī)詞中動(dòng)詞、形容詞的抽取

將從《全唐詩(shī)》與《全宋詞》中抽取的含有“八音”的詩(shī)句、詞句以字為單位進(jìn)行切分，然后使用哈爾濱工業(yè)大學(xué)的語(yǔ)言技術(shù)平臺(tái)(LTP)工具包進(jìn)行詞性標(biāo)注，最后抽取出其中的動(dòng)詞與形容詞，并取頻次較高的前十個(gè)字。由于篇幅限制，僅挑選《全唐詩(shī)》“八音”所在句的形容詞表與《全宋詞》“八音”所在句的動(dòng)詞表進(jìn)行分析研究，如表2和表3所示。

表2 《全唐詩(shī)》“八音”所在句的形容詞表

注: “土”類(lèi)與“木”類(lèi)樂(lè)器抽取的形容詞不足十個(gè)，原因在于包含這兩類(lèi)樂(lè)器的唐詩(shī)數(shù)量稀少。

從表2可以看出，與“竹”類(lèi)樂(lè)器同現(xiàn)的頻次較高的三個(gè)形容詞分別是“清”、“悲”、“寒”，可見(jiàn)“竹”類(lèi)樂(lè)器在唐詩(shī)中表達(dá)的情感是凄清、悲傷的。例如，李白的詩(shī)《春夜洛城聞笛》中寫(xiě)道: “誰(shuí)家玉笛暗飛聲，散入春風(fēng)滿(mǎn)洛城。此夜曲中聞?wù)哿?，何人不起故園情?！钡亚墩哿繁磉_(dá)了送別時(shí)的哀怨和對(duì)故鄉(xiāng)的眷戀之情[5]。

表3 《全宋詞》“八音”所在句的動(dòng)詞表

從表3可以發(fā)現(xiàn)在宋詞中與“八音”同現(xiàn)頻次較高的動(dòng)詞多與樂(lè)器演奏動(dòng)作相關(guān)，如絲類(lèi)樂(lè)器都為弦樂(lè)，與該類(lèi)樂(lè)器同現(xiàn)頻次最多的動(dòng)詞就是“彈”；竹類(lèi)樂(lè)器都為管狀樂(lè)器，與該類(lèi)樂(lè)器同現(xiàn)頻次最多的動(dòng)詞就是“吹”。

2 基于LDA和NMF的“八音”詩(shī)詞主題挖掘

2.1 基于LDA和NMF的主題挖掘模型

主題挖掘的目的是從大規(guī)模無(wú)標(biāo)記文本中自動(dòng)挖掘出文本隱含的主題信息，錢(qián)鵬[6]等利用LDA模型對(duì)唐詩(shī)文本進(jìn)行主題建模，并取得了不錯(cuò)的效果。本文在利用LDA模型的基礎(chǔ)上，利用了另外一種主題建模的方法NMF進(jìn)行對(duì)比研究，從而選擇出更適合詩(shī)詞文本的主題建模方法。

LDA(latent dirichlet allocation)全稱(chēng)隱狄利克雷分配，是一種含有隱變量的概率圖模型，其中的隱變量就是主題(topic)。LDA模型的輸入為一系列由詞項(xiàng)(word)組成的文檔(document)，輸出為給定主題的詞項(xiàng)分布P(word|topic)和給定文檔的主題分布P((topic|doc)。LDA模型假設(shè)給定主題的詞項(xiàng)分布與給定文檔的主題分布都服從多項(xiàng)分布，其參數(shù)分別記為θ、Φ。由于LDA模型的參數(shù)估計(jì)方法是最大后驗(yàn)似然估計(jì)，多項(xiàng)分布的參數(shù)θ、Φ都服從其共軛先驗(yàn)分布，狄利克雷分布，兩個(gè)狄利克雷分布的參數(shù)分別記為α、β。

NMF(Non-negative matrix factorization)全稱(chēng)非負(fù)矩陣分解，是將一個(gè)非負(fù)矩陣V分解為另外兩個(gè)非負(fù)矩陣W、H的技術(shù)，被廣泛應(yīng)用于圖像處理、語(yǔ)音處理、文本挖掘等領(lǐng)域。在文本挖掘中H表示文檔詞頻矩陣，W表示文檔主題矩陣，V表示主題詞項(xiàng)矩陣。V、W、H矩陣的維度分別為n×m、n×k、k×m，其中n表示文檔數(shù)、m表示詞項(xiàng)數(shù)、k表示主題數(shù)。NMF模型的訓(xùn)練目標(biāo)為找到合適的W矩陣和H矩陣，使得WH與矩陣V最相近，本文采用的損失函數(shù)為基于KL距離的損失函數(shù)，KL距離是信息論中的概念，用來(lái)刻畫(huà)兩個(gè)概率分布的相似程度，如式(1)所示。

(1)

2.2 基于詞向量的主題一致性度量

主題一致性(topic coherence)是用來(lái)評(píng)價(jià)主題模型的一種指標(biāo)，主題一致性越大，就表明主題模型的效果越好。主題一致性計(jì)算的是所有主題下前K個(gè)詞語(yǔ)的語(yǔ)義相似度的平均值。Aletras[7]等利用標(biāo)準(zhǔn)化互信息的方法來(lái)計(jì)算每個(gè)主題下每?jī)蓚€(gè)詞語(yǔ)的語(yǔ)義相似度，隨著詞向量技術(shù)的興起，采用詞向量計(jì)算詞語(yǔ)語(yǔ)義相似度的方法取得了更好的效果[8]，因此，本文采用的是基于詞向量的主題一致性TC-W2V，計(jì)算如式(2)所示。

(2)

其中cos(·)表示余弦相似度，vi、vj為詞向量，N為主題個(gè)數(shù)，C表示詞向量組合數(shù)。

2.3 實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析

2.3.1 實(shí)驗(yàn)設(shè)計(jì)

本文利用LDA和NMF兩種主題模型，分別對(duì)唐詩(shī)、宋詞兩類(lèi)文檔集合進(jìn)行主題建模。實(shí)驗(yàn)采用的數(shù)據(jù)為從《全唐詩(shī)》和《全宋詞》中抽取出的包含有“八音”樂(lè)器關(guān)鍵字的句子。我們規(guī)定每個(gè)句子為一個(gè)文檔，抽取后，得到的唐詩(shī)數(shù)據(jù)集的規(guī)模為6 961，宋詞數(shù)據(jù)集的規(guī)模為3 445。

(1) 語(yǔ)料預(yù)處理: 由于現(xiàn)有的分詞工具對(duì)唐詩(shī)、宋詞的分詞效果較差，因此，我們把每個(gè)字作為主題模型中的一個(gè)詞項(xiàng)(word)，每個(gè)文檔由句子中的所有字組成。最后，去除數(shù)據(jù)集中的停用字，以避免其對(duì)模型最終結(jié)果的影響。

(2) 文本特征表示: 本文采用了詞袋模型(Bag-of-words)和詞頻逆文檔頻(TF-IDF)兩種文本特征表示的方法。詞袋模型將文檔表示為維度為字典長(zhǎng)度的向量，向量的值為字典中的每一個(gè)詞在該文檔中的詞頻。詞頻逆文檔頻的文本特征表示方法考慮到了文檔信息對(duì)詞頻的修正，其計(jì)算如式(3)～式(5)所示。

其中Nw表示詞w所在文檔的詞的個(gè)數(shù)，D表示文檔總數(shù)，Dw表示含有詞w的文檔數(shù)。

(3) 實(shí)驗(yàn)設(shè)置: 實(shí)驗(yàn)采用scikit-learn工具包求解LDA、NMF，采用gensim工具包訓(xùn)練詞向量。LDA模型的訓(xùn)練算法為在線(xiàn)變分EM算法，共軛先驗(yàn)分布的參數(shù)α、β的值設(shè)置為0.001，算法的最大迭代次數(shù)為200。NMF模型的初始化方法為NNDSVD，該方法能有效地處理稀疏矩陣[9]，損失函數(shù)設(shè)置為基于KL距離的損失函數(shù)，算法的最大迭代次數(shù)為200。詞向量的維度設(shè)置為500，訓(xùn)練算法為Skip-gram。LDA和NMF的主題數(shù)的取值范圍都設(shè)置為[5-30]。

2.3.2 實(shí)驗(yàn)結(jié)果

本文對(duì)兩種特征(BOW、TF-IDF)和兩種模型(LDA、NMF)一一組合，形成四個(gè)實(shí)驗(yàn)組。對(duì)每個(gè)實(shí)驗(yàn)組都計(jì)算給定主題數(shù)下的主題一致性，最后記錄每個(gè)實(shí)驗(yàn)組主題一致性的最高值，結(jié)果如表4、表5所示。

表4 唐詩(shī)中“八音”主題模型結(jié)果評(píng)價(jià)

表5 宋詞中“八音”主題模型結(jié)果評(píng)價(jià)

由上表可以看出，無(wú)論在唐詩(shī)還是宋詞數(shù)據(jù)集上，NMF+TF-IDF組合下的主題一致性都是最高的，所以，我們選擇NMF+TF-IDF組合下的主題模型進(jìn)行主題建模。由此可知，NMF模型比LDA模型更適合對(duì)唐詩(shī)宋詞這種短文本進(jìn)行主題建模。

在NMF+TF-IDF組合下，唐詩(shī)數(shù)據(jù)集的最優(yōu)主題個(gè)數(shù)為18，最優(yōu)主題一致性為0.257 2， 宋詞數(shù)據(jù)集的最優(yōu)主題個(gè)數(shù)為21，最優(yōu)主題一致性為0.559 0，主題個(gè)數(shù)與主題一致性的關(guān)系的折線(xiàn)圖如圖3、圖4所示。

圖3 唐詩(shī)“八音”主題模型最優(yōu)主題個(gè)數(shù)

圖4 宋詞“八音”主題模型最優(yōu)主題個(gè)數(shù)

2.4 “八音”詩(shī)詞主題聚類(lèi)

2.4.1 《全唐詩(shī)》“八音”詩(shī)句主題聚類(lèi)結(jié)果及分析

根據(jù)2.3中的實(shí)驗(yàn)結(jié)果，《全唐詩(shī)》中有關(guān)“八音”的詩(shī)句可以聚成十八類(lèi)，由于篇幅限制將其中效果較好的五類(lèi)列于表6。

表6 《全唐詩(shī)》“八音”詩(shī)句五類(lèi)主題聚類(lèi)

根據(jù)聚類(lèi)結(jié)果給上表五類(lèi)總結(jié)主題分別是: 佛禪、邊塞、山水、酬贈(zèng)、送別。第一類(lèi)佛禪主題聚出的字與寺廟、僧侶、青燈等有關(guān)，在這類(lèi)主題下出現(xiàn)的樂(lè)器是“磬”，磬在佛教中的歷史悠久，古印度佛教中就有了磬，古書(shū)中記載: “樂(lè)，石有磬。今浮屠持銅缽，亦名磬?！?第二類(lèi)邊塞主題聚出的字都與邊塞、戰(zhàn)爭(zhēng)有關(guān)，在這類(lèi)主題下出現(xiàn)的樂(lè)器是“鼓”和“鼙”。

2.4.2 《全宋詞》“八音”詞句主題聚類(lèi)結(jié)果及分析

根據(jù)2.3的實(shí)驗(yàn)結(jié)果，《全宋詞》中有關(guān)“八音”的詞句可以聚成21類(lèi)，由于篇幅限制將其中效果較好的五類(lèi)列于表7。

表7 《全宋詞》“八音”詩(shī)句五類(lèi)主題聚類(lèi)

根據(jù)聚類(lèi)結(jié)果給上表五類(lèi)總結(jié)主題分別是: 宴飲、歸隱、山水、邊塞、相思。第一類(lèi)宴飲主題出現(xiàn)的樂(lè)器是“笙”，可見(jiàn)“笙”在宋時(shí)宴飲場(chǎng)合的重要性。在唐詩(shī)和宋詞中都出現(xiàn)了有關(guān)邊塞主題的聚類(lèi)，縱向比較唐宋詩(shī)詞中有關(guān)“八音”的聚類(lèi)發(fā)現(xiàn)，在宋詞中邊塞主題聚類(lèi)情感是“怨”、是“哀”，是“恨”，而唐詩(shī)中的聚類(lèi)多是對(duì)于戰(zhàn)爭(zhēng)的客觀描述，這與唐宋的時(shí)代背景不無(wú)關(guān)系，唐詩(shī)中洋溢著盛唐的氣象與昂揚(yáng)的風(fēng)骨，而宋代歷經(jīng)動(dòng)蕩與分裂，詞中對(duì)于戰(zhàn)爭(zhēng)的描寫(xiě)多為流血漂櫓、家破人亡的慘狀。

3 八音詩(shī)詞相關(guān)作者統(tǒng)計(jì)分析

3.1 著名詩(shī)人、詞人作品中的“八音”的分布

根據(jù)王兆鵬[10-11]的研究成果，本文分別找出了唐、宋時(shí)期最著名的十大詩(shī)人、詞人的作品，并就其作品中“八音”使用情況，進(jìn)行統(tǒng)計(jì)研究。為了克服作品數(shù)量的不同，無(wú)法就“八音”的頻次進(jìn)行比較的問(wèn)題，這部分將統(tǒng)計(jì)出的“八音”的頻次分別除以詩(shī)人、詞人作品數(shù)量，得到“八音”在詩(shī)人詞人作品中的頻率，并將頻率結(jié)果擴(kuò)大一百倍(圖5)。

圖5 唐代代表詩(shī)人作品中“八音”的分布

從圖5中可以看出在唐代十大詩(shī)人作品中絲類(lèi)樂(lè)器出現(xiàn)的均頻率較高，其中又以李白作品中的絲類(lèi)樂(lè)器出現(xiàn)頻率最高。在李白的詩(shī)歌中, 絲類(lèi)樂(lè)器中的各種樂(lè)器幾乎都出現(xiàn)過(guò)，例如， “趙瑟初停鳳凰柱，蜀琴欲奏鴛鴦弦”、“橫笛弄秋月，琵琶彈陌桑”、 “佳人當(dāng)窗弄白日，弦將手語(yǔ)彈鳴箏”。

李白不僅擅長(zhǎng)寫(xiě)琴、瑟等絲類(lèi)樂(lè)器，還能夠精湛的演奏。例如，《示金陵子》中寫(xiě)道“ 金陵城東誰(shuí)家子,竊聽(tīng)琴聲碧窗城?！崩畎椎那俾暶烂睿鼓芪藖?lái)偷聽(tīng)，可見(jiàn)李白琴藝之高，絕非一般人可比。因此李白作品中的絲類(lèi)樂(lè)器出現(xiàn)頻率最高。[12]

從圖6中可以看出姜夔在其詞作中最擅長(zhǎng)“八音”的使用，“八音”中的每一類(lèi)樂(lè)器在其作品中的頻率基本都是最高，這與姜夔精湛的音樂(lè)才能不無(wú)關(guān)系。姜夔出生于書(shū)宦門(mén)第，受父輩和市井歌舞的熏陶，擅長(zhǎng)詩(shī)詞音樂(lè)[13]。姜夔擅長(zhǎng)、精通多種樂(lè)器，也是宋代十大代表詞人中在其作品中描寫(xiě)樂(lè)器最多的詞人。

圖6 宋代代表詞人作品中“八音”的分布

3.2 基于Author-Topic-Model的作者相似度計(jì)算

3.2.1 Author-Topic-Model

Author-Topic-Model是融入作者信息的一種主題模型，是對(duì)傳統(tǒng)的LDA模型的修改[14]。Author-Topic-Model的輸入為加入作者信息的一系列文檔，Author-Topic-Model的輸出為給定主題的詞項(xiàng)分布P(word|topic)和給定作者的主題分布P(topic|author)，假設(shè)這兩個(gè)分布服從多項(xiàng)分布，參數(shù)分別記為θ、Φ，其參數(shù)的共軛先驗(yàn)分布服從狄利克雷分布，兩個(gè)狄利克雷分布的參數(shù)分別記為α、β。另外，Author-Topic-Model中還需要假定給定文檔的作者分布P(author|doc) 為均勻分布。Author-Topic-Model較為復(fù)雜，其生成文檔的過(guò)程用圖7所示算法描述。

圖7 生成文檔的過(guò)程算法圖

3.2.2 實(shí)驗(yàn)設(shè)計(jì)

基于Author-Topic-Model的作者相似度計(jì)算需要Author-Topic-Model輸出給定作者的主題分布P(topic|author)，每一個(gè)作者對(duì)應(yīng)一個(gè)維度為主題數(shù)的主題偏好向量。因此，我們可以利用不同作者的主題偏好向量的相似度來(lái)衡量作者之間的相似度。本文采用的相似度計(jì)算公式為余弦距離公式，如式(6)所示。

(6)

本文利用gensim工具包求解Author-Topic-Model，在融入作者信息的唐詩(shī)、宋詞的主題模型上，分別計(jì)算唐代詩(shī)人之間的相似度、宋代詞人之間的相似度，由于篇幅限制，這里僅挑選部分具有代表性的結(jié)果列于表8、表9。

表8 十大詩(shī)人“八音”作者相似度計(jì)算舉例

表9 十大詞人“八音”作者相似度計(jì)算舉例

3.2.3 基于“八音”唐詩(shī)的唐代詩(shī)人相似度計(jì)算及分析

李商隱與元稹留存的詩(shī)作中膾炙人口的以愛(ài)情詩(shī)為主，風(fēng)花雪月的愛(ài)恨離愁離不開(kāi)樂(lè)器對(duì)氣氛的烘托與渲染，李商隱與元稹有著一段相似的婚姻經(jīng)歷，二人同樣是在意氣風(fēng)發(fā)時(shí)以寒門(mén)學(xué)子的身份迎娶了大家閨秀，并且與妻子琴瑟相和度過(guò)了一段美好的婚姻生活，但不幸的是妻子都早早的離他們而去，因此李、元二人在愛(ài)情詩(shī)的題材的選取、情感的表達(dá)甚至于創(chuàng)作的結(jié)構(gòu)都存在相似的地方。

岑參是盛唐的邊塞詩(shī)人，盧綸雖為中唐詩(shī)人,其邊塞詩(shī)卻依舊是盛唐的氣象,雄壯豪邁。在他們的詩(shī)中，常見(jiàn)的景物是大漠、長(zhǎng)云、旌旗等，常見(jiàn)的地名是樓蘭、關(guān)山等，常見(jiàn)的樂(lè)器是笛、琵琶、鼓等，意象選擇以及用字用語(yǔ)的相似使得二人在“八音”詩(shī)句中的相似度計(jì)算較高。

3.2.4 基于“八音”宋詞的宋代詞人相似度計(jì)算及分析

詞壇“飛將軍”辛棄疾代表了宋詞豪放派的高峰，周邦彥的詞則可認(rèn)為是婉約詞派的集大成者。從上表可以看出似乎風(fēng)馬牛不相及的兩人，其實(shí)在寫(xiě)到“八音”的詞句創(chuàng)作上有頗多相似之處。

秦觀是蘇門(mén)四學(xué)士之一，詞的創(chuàng)作上或多或少受到了蘇軾的影響，劉辰翁詞作風(fēng)格取法蘇辛而自成一體。秦觀、劉辰翁均向蘇詞學(xué)習(xí)，因此二人在創(chuàng)作上的相似度較高也就不足為奇。

4 結(jié)論

本文通過(guò)對(duì)《全唐詩(shī)》和《全宋詞》中有關(guān)“八音”的詩(shī)句與詞句的抽取，展現(xiàn)了“八音”在唐詩(shī)、宋詞中的宏觀分布，發(fā)現(xiàn)唐詩(shī)中出現(xiàn)頻次最高的是絲類(lèi)樂(lè)器，宋詞中出現(xiàn)頻次最高的是竹類(lèi)樂(lè)器；使用基于NMF+TF-IDF的主題模型將《全唐詩(shī)》、《全宋詞》中有關(guān)“八音”的詩(shī)句分別聚成了十八類(lèi)和二十一類(lèi)，得到“笙”在宋代宴飲中是具有重要地位的樂(lè)器等結(jié)論；通過(guò)對(duì)“八音”所在詩(shī)詞句中動(dòng)詞、形容詞的抽取，找到了唐詩(shī)中與“竹”類(lèi)樂(lè)器同現(xiàn)頻次較高的三個(gè)情感詞分別是“清”、“悲”、“寒”，發(fā)現(xiàn)了宋詞中與“八音”同現(xiàn)頻次較高的動(dòng)詞多與樂(lè)器演奏動(dòng)作相關(guān)；本文分別找出了唐、宋時(shí)期最著名的十大詩(shī)人、詞人的作品，并就其作品中“八音”使用情況，進(jìn)行統(tǒng)計(jì)研究；還基于Author-Topic-Model進(jìn)行了作者相似度的計(jì)算，得出了李商隱、元稹有關(guān)“八音”的詩(shī)作最相似等結(jié)論?？傊?，本文通過(guò)計(jì)算機(jī)挖掘的方式為中國(guó)古典文學(xué)的研究提供了新的切入視角與分析方式。

在后續(xù)的工作中，希望進(jìn)一步完善模型、改進(jìn)算法，使其能夠具有更好的泛化性能，不僅能夠應(yīng)用于詩(shī)詞“八音”的研究之中，還能在詩(shī)人關(guān)系挖掘和計(jì)算機(jī)自動(dòng)理解詩(shī)詞等更加復(fù)雜的任務(wù)中發(fā)揮作用。