1.怎么看待清华附小的学生用大数据分析苏轼的诗词苏轼的好友张先，年逾80，娶一18岁美貌少女为妾。 苏轼遂作诗曰“十八新娘八十郎，苍苍白发对红妆。鸳鸯被里成双夜，一树梨花压海棠。” 梨花是白色的，而海棠鲜红娇嫩，暗指一个白发老者娶一少女为妻。其中“压”字用得巧妙暧昧。 北宋著名词人张先，在80岁时娶了18岁的一个美女为妾。当时和他在论坛上常有诗词唱 和的著名词人苏轼和众多词友去拜访他，问老前辈得此美眷有什么感想，张先于是随口 念道：“我年八十卿十八，卿是红颜我白发。 与卿颠倒本同庚，只隔中间一花甲。” 风趣幽默的苏东坡当即和了一首打油诗： “十八新娘八十郎，苍苍白发对红妆。 鸳鸯被里成双夜，一树梨花压海棠。”。 2.怎么看待清华附小的学生用大数据分析苏轼的诗词苏轼的好友张先，年逾80，娶一18岁美貌少女为妾。苏轼遂作诗曰“十八新娘八十郎，苍苍白发对红妆。鸳鸯被里成双夜，一树梨花压海棠。”梨花是白色的，而海棠鲜红娇嫩，暗指一个白发老者娶一少女为妻。其中“压”字用得巧妙暧昧。 北宋著名词人张先，在80岁时娶了18岁的一个美女为妾。当时和他在论坛上常有诗词唱 和的著名词人苏轼和众多词友去拜访他，问老前辈得此美眷有什么感想，张先于是随口 念道：“我年八十卿十八，卿是红颜我白发。与卿颠倒本同庚，只隔中间一花甲。” 风趣幽默的苏东坡当即和了一首打油诗： “十八新娘八十郎，苍苍白发对红妆。 鸳鸯被里成双夜，一树梨花压海棠。” 3.利用统计学写宋词可能吗随便输数字 就可“写宋词” 统计学研究生挖掘99个高频词汇编号码 武大博导说，这只是一个文字游戏 一位学习统计学的网友，利用所学将《全宋词》中出现的99个“高频词汇”统计出来，发在博客上。 没想到，这篇博文很快就被大量转载，并有网友利用这些高频词汇重新“写词”。圆周率、生日、身份证号码都可以组成一首形式上的“宋词”。 在江汉大学刚刚举办的“诗词吟诵暨诗歌大赛颁奖会”上，不少学生讨论这个话题。真的存在网友说的“自动写词机”吗？记者展开采访调查。 《全宋词》中的99个高频词汇 话题的“始作俑者”是一位学习统计学的研究生，网名“yixuan”，他在博客上发表一篇文章：“突然想看看宋词里面什么样的意象是最常见的，比如可以做个频率分析什么的。当然文本挖掘需要分词，我没法在其中花太多时间，于是想出了一个土办法。” 宋词的句子都很短，最常见的词语一般是两三个字，这样可能的组合就更少了。比如“犹解嫁东风”这句话，可能的二字组合是“犹解”“解嫁”“嫁东”“东风”，三字组合是“犹解嫁”“解嫁东”“嫁东风”，词的字数越多，可能的组合就越少。 “yixuan ”统计出99个《全宋词》中的高频词汇。排在前面的依次为“东风（1382次）、何处（1230次）、人间（1202次）、风流（857次） 、归去（812次、）春风（802次）、西风（779次）、归来（771次）、江南（765次）。 “yixuan ”的这篇博文一发出来，很快就被另外一家网站转载，大量网友被这个有趣的话题吸引，纷纷发帖评论。 高频词汇被演绎成“自动写词机” 在大量评论后面，一位名叫“达芬奇的鸡蛋”发现，利用这些“高频词汇”的代码，可以随意拼凑出一首首宋词来。 比如用“圆周率”的数字排序，结果就是：回首明月（一看就是抒情诗） 悠悠心事空 西湖何事寂寞中 风吹斜阳匆匆 芳草平生斜阳 风吹寂寞今日 一枝富贵年年 断肠长安不知 一时间，众多网友用自己的身份证号码、各种数字组合来“写宋词”。如网友“叶绿彘”的“作品”是：“东风何处？人间风流。 归去春风，西风归来。江南相思，梅花千里。 回首明月，多少如今？阑干年年万里，一笑黄昏当年……” 记者用多位同事的身份证号码、生日号码等，套用这些代码，果然也能产生出一首首有模有样的“宋词”。 原意不是为了“写词” 看 到帖子被大量转发，“yixuan ”在自己的博客上又写了一篇解释，他说，“自动写词机”并不是我的创意，也不是我的初衷。 “yixuan ”说：“我学的专业是统计和精算，平时会和各种类型的数据打交道，之前写那篇博文也是出于兴趣，想利用学到的专业知识来对一些实际问题进行分析。” 他说，很多人肯定都会提到“自动写词机”，就比如拿生日、QQ、物理常数等套用里面的排序来“写词”。 但我想说的是，这其实不是我的创意，也不是我写那篇博文的初衷。如果大家看过那篇转帖，就会发现大家开始“狂欢”是因为“达芬奇的鸡蛋”的创意，而词频统计本身并没有任何特殊之处。 事实上，大家可能听说过“文本挖掘”这个名词，它就是对文本数据进行分析，来得到有用的结论。文本挖掘是个很复杂的过程，牵涉到分词、词频统计、特征选择、聚类等等，如果大家对这一块内容有所了解的话，就会知道词频统计是一个很平凡的过程。 “yixuan”说：可能有些朋友觉得我得到宋词的词频是一件技术含量很高的活儿，但从技术层面上来讲，我做的那些东西也并无任何高级之处（当然需要有一些编程经验）。 只是一个文字游戏 这99个“高频”词汇真的有那么神奇？昨天，武汉大学文学院博导王兆鹏教授看了后评论说：“这只是一个文字游戏”。 王兆鹏说，汉语语言中，诗词的语序不需要确定性，同时汉语语言具有多义性。很多词语组合起来，都可以说得通。 比如我们说“吃饭”大家能听懂，但说“饭吃”，也能理解是怎么回事。 从严格意义上说，通过这99个编码做成的“词”，平仄完全不符合要求，也不符合词牌的要求。 但形式上挑不出什么毛病，也有一点词的味道。 王兆鹏说，宋词是一种文学艺术，讲究独创性和意境，读者通过读诗词能够看到里面的意境，这是艺术。 “如果写词这么容易，那谁都可以写词了。” 不过，王兆鹏也认为“yixuan ”的做法很有创意，“能从这么多词中总结出99个高频词汇，是需要花功夫的，也说明这个学生很努力，这是一个比较高级的文字游戏，虽然谈不上有什么文学意义。” 中南财经政法大学统计与数学学院博导李占风教授说，利用统计学原理确实可以在诗词等文学作品中，做一些研究工作，这位学生学以致用，值得表扬。 4.请简要说明“大数据”一词中“大”的含义大数据（big data），指无法在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产[1] 在维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的《大数据时代》[2] 中大数据指不用随机分析法（抽样调查）这样的捷径，而采用所有数据进行分析处理。大数据的5V特点（IBM提出）：Volume（大量）、Velocity（高速）、Variety（多样）、Value（价值）、Veracity（真实性）。 大指以下几点 容量大（Volume） 种类多（Variety） 速度快（Velocity） 可变性高（Variability） 复杂性高（Complexity） 价值大（value） 5.有什么分析起来很精彩的唐诗宋词唐诗要看李白、杜甫、白居易等；宋词看两派，以苏轼为代表的”豪放派“和以李清照为代表的”婉约派”。 赤壁怀古（苏轼）大江东去浪淘尽，千古风流人物。故垒西边，人道是三国周郎赤壁。 乱石穿空，惊涛拍岸，卷起千堆雪。江山如画，一时多少豪杰。 遥想公瑾当年，小乔初嫁了，雄姿英发，羽扇纶巾，谈笑间，樯橹灰飞烟灭。故国神游，多情应笑我，早生华发，人生如梦，一樽还酹江月。 李清照的”冷冷清清凄凄常常戚戚，乍暖还寒时节，最难将息，三杯两盏浅酒，怎敌他晚来风急。雁过也，正伤心，却是旧时相识。” |