全唐诗分析程序

这个程序最初的诞生是为了写微信公众号的两篇文章，那两篇文章的也大致讲解了程序的原理和流程。 因此，在使用程序之前，强烈建议您先读这两篇文章：

• 当我们在读唐诗时，我们在读什么？
• 计算机告诉你，唐朝诗人之间的关系到底是什么样的？

相应的，程序也主要有两个方面的功能：

• 分析词频和词向量，对应第一篇文章
• 构建诗人之间的引用关系，对应第二篇文章

master分枝仅支持python3。python2分枝(感谢网友carryme9527的工作，这个分枝主要是他的功劳)则支持python2。 程序主要有两个目录：

• data目录，用于存储全唐诗和CBDB数据库
• html目录，存储最终的社交网络关系网页

程序在运算过程中会dump一些中间运算结果，并存储在save目录(如果不存在会自动创建)中。

由于CBDB数据库很大，有400+M。github不允许上传这么大的文件，请大家自行去CBDB官网下载单机版数据库，并且以cbdb_sqlite.db为文件名存储在data目录下。

依赖库

程序依赖了两个python库

pip3 install thulac
pip3 install gensim

其中thulac用于分词，gensim用于word2vec. 这两个库只用于第一篇文章的分析。如果您只关心如何构建诗人关系网络，那么不需要安装这个两个库。

基本用法

对于普通用户来说： 直接用浏览器打开html目录下的网页文件，就可以在浏览器中观察网络结构了，并且可以随意拖动和放大，很有意思。

对于程序员来说：

• 运行python3 word_level_analyzer.py来复现第一篇文章的结果
• 运行python3 construct_poets_network.py来构建社交网络，并将运行结果存储在save目录。
• 运行python3 visualize_poets_network.py来构建出显示社交网络的网页，并将结果存储在html目录。

路线图

我后续还会对古典文献进行一些分析，并将更新过的代码及时的push到这个库中。欢迎大家关注我的微信公众号：mrqianjinsi