唐诗偏重空间，而宋诗偏重时间。敻绝的宇宙意识和无垠的空间，从《全唐诗》词频前五位中（不知、何处、万里、千里、不见）可见一斑。日本汉学家吉川幸次郎曾提出，唐诗是凝视着人生贵重瞬间的燃烧，所注视的只是对象的顶点。而宋诗是时间性的，诗人视人生为漫长的持续。以语词的统计来衡量这一观点，唐诗排序最高的时间词是“今日”（8），时空与情感凝注于此一点，而宋诗中居首的是“十年”（9），继而是“今日”（12）与“百年”（20）。吉川将“燃烧与持续”的说法推进至意象选用的对比方面，夕阳是燃烧的景象，雨是持续的景象，于是有了“唐人写夕阳宋人写雨”的经典论断。词频统计恰也验证了这点，《全唐诗》词频居于前列的“落日”（55）、“日暮”（59）、“夕阳”（69），在宋诗中都排在九十位之后。
不同于信息爆炸的现代，传世文献中的经典文本边界是相对清晰的，然而其体量对于专注于某一选题或领域的研究者依然难以全体掌握。基于大数据技术的古代文学经典文本分析，既着眼于经典文献，又以海量的基础文献为基础，希望在较短时间内用高效、全面的数据挖掘，来进行准确有效的文本分析。传统古典学研究中的结论多通过个人有限阅读过程中的观察、思索、领悟等方式获得，这类方式往往具备一定的主观性乃至先验色彩。大数据的汇聚和计算分析方法的运用，能够使既出人意表又允执厥中的结论“自动涌现”。
利用大数据将以往被分裂和隔绝的事物重新连接，改变了我们对文献、文本、知识的认识路径和把握尺度。仅从字／词频统计这一大数据手段的微小切面入手，我们便已初步获得了以一种新方式探测经史、语言学、文学等领域文献的体验。与用不同技术手段、不同结构化方式、不同颗粒度重构的集成式文献知识库相比，以上工作或许只是一份小尝试。相信随着统计数据的累积、叠加和映射，古籍和传统文化研究一定能够焕发出更多生机和活力。 |
