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