項目學(xué)習(xí)：解密盛唐時期詩人關(guān)系
【項目情境】
唐代詩人史傳有名有姓者不下千余人，他們組成了大大小小不同的朋友圈。有的因為詩風(fēng)接近，如李白代表的浪漫主義、杜甫代表的現(xiàn)實主義、王維代表的田園山水、芩參代表的邊塞詩風(fēng)；有的因為年齡大體相近，如盛唐時期的李白、杜甫、賀知章等；有的因為政見相近，如韓愈作為古文運動的領(lǐng)袖級人物，當(dāng)時很多文人墨客以進入他的朋友圈為榮。在盛唐時期有這樣一個朋友圈，他們的友誼跨越數(shù)十年，詩人之間通過互動詩歌，表達抒發(fā)情感，是他們朋友圈的一種表現(xiàn)方式，用計算機來分析這個時代的唐詩，就會發(fā)現(xiàn)詩人之間有著你意想不到的千絲萬縷的關(guān)系。學(xué)校某研究性學(xué)習(xí)小組利用大數(shù)據(jù)分析技術(shù)，通過對詩詞分析，繪制盛唐時期幾位詩人（杜甫、李白、王維、孟浩然……）之間的社交關(guān)系網(wǎng)絡(luò)圖，試圖推測哪位詩人是同時代詩人的核心，哪位詩人的影響最大，從而更好地學(xué)習(xí)、理解唐詩。
【項目準備】為完成項目，需要確定主題、目標(biāo)、制訂規(guī)劃等各項工作。在此不一一展示。明確的主題—盛唐時期的詩人及詩詞分析和詩人社交關(guān)系網(wǎng)絡(luò)圖。
【項目實施】項目研究主要以詩人詩作為依據(jù)。具體實施過程如下：
（一）明確需要采集的數(shù)據(jù)選擇合適的采集途徑、工具和方法。全唐詩一共四萬多首，分析采集相關(guān)數(shù)據(jù)的條件：①盛唐時期；②詩人、詩人之間經(jīng)常稱呼對方的別名；③考慮到同名同姓的問題，因此還需要詩人的生卒年的信息。
根據(jù)要求，完成答題。
（1）全唐詩數(shù)量較多，一共四萬多首，來源分散，存儲在互聯(lián)網(wǎng)不同的服務(wù)器與各客戶終端。從大數(shù)據(jù)存儲與計算的角度來看，由此可知大數(shù)據(jù)具有

C

C

的特征。（單選）
A．精確讓位于模糊
B．價值密度低
C．分布式存儲
D．變化速度快
（2）網(wǎng)絡(luò)上如此海量的關(guān)于唐詩的數(shù)據(jù)，有文字、圖片、視頻、音頻等。這些數(shù)據(jù)種類和格式也不一致，表明各種

ABC

ABC

數(shù)據(jù)共存于網(wǎng)絡(luò)中。（多選）
A．結(jié)構(gòu)化
B．半結(jié)構(gòu)化
C．非結(jié)構(gòu)化
D．網(wǎng)狀結(jié)構(gòu)
（3）面對繁雜的數(shù)據(jù)，學(xué)習(xí)小組決定研究解密盛唐時期詩人關(guān)系，并利用計算機程序從網(wǎng)絡(luò)中采集詩人、別名等相關(guān)的文本數(shù)據(jù)，并以一定的數(shù)據(jù)結(jié)構(gòu)存儲形成盛唐詩庫。存儲數(shù)據(jù)主要有兩種方式，一種是

數(shù)據(jù)本地存儲

數(shù)據(jù)本地存儲

，一種是數(shù)據(jù)云存儲。你建議學(xué)習(xí)小組采用

云存儲

云存儲

數(shù)據(jù)存儲方式，理由是

方便文件共享，只需聯(lián)網(wǎng)就可讀取文件，可以脫離本地計算機保存文件

方便文件共享，只需聯(lián)網(wǎng)就可讀取文件，可以脫離本地計算機保存文件

。
（二）利用Python程序采集、整理、分析數(shù)據(jù)。第一步，從互聯(lián)網(wǎng)中篩選出符合條件的詩人及詩作等文本，整理并形成盛唐詩庫；第二步，確定人物關(guān)系分析策略，即從唐詩庫中搜索、統(tǒng)計詩人或別名的引用次數(shù)，確定二人之間的疏密關(guān)系，規(guī)則是詩的標(biāo)題和正文中只要提到過對方，那么兩者之間的引用關(guān)系加1，若一首詩中提到多次對方，只算一次引用；第三步，編寫程序并調(diào)試驗證。用爬蟲程序段（如圖所示）采集數(shù)據(jù)。根據(jù)要求，完成答題。

（4）使用爬蟲程序獲取文本數(shù)據(jù)并形成唐詩庫文件，所使用的數(shù)據(jù)采集方法為

網(wǎng)絡(luò)數(shù)據(jù)采集法

網(wǎng)絡(luò)數(shù)據(jù)采集法

（選填：系統(tǒng)日志采集法、網(wǎng)絡(luò)數(shù)據(jù)采集法其他數(shù)據(jù)采集方法）。閱讀程序可知每首詩存放于列表poem[]中（以唐詩“春曉”為例，如表），采集后的數(shù)據(jù)保存在poet.txt文件中，該文件是一個

文檔文件

文檔文件

（選填：數(shù)據(jù)庫文件、文檔文件、圖像文件、網(wǎng)頁文件）。該數(shù)據(jù)采集方法可以將非結(jié)構(gòu)化數(shù)據(jù)從網(wǎng)頁中抽取出來，將其存儲為統(tǒng)一的數(shù)據(jù)文件，并以

結(jié)構(gòu)化

結(jié)構(gòu)化

（選填：結(jié)構(gòu)化、半結(jié)構(gòu)化）的方式存儲。

Poem[0]	Poem[1]	Poem[2]	Poem[3]
“春曉”	“唐”	“孟浩然”	“春眠不覺曉，……，花落知多少”

（5）以詩人甲、乙為例解密二人關(guān)系，完成答題。數(shù)據(jù)處理過程中要運用一定的分析方法對大量無序的數(shù)據(jù)進行整理、分析挖掘數(shù)據(jù)內(nèi)在的結(jié)構(gòu)和規(guī)律，從而提取有價值的、有意義的數(shù)據(jù)。數(shù)據(jù)分析一般包括特征探索、關(guān)聯(lián)分析、聚類與分類等。讓計算機搜索遍歷唐詩庫中有關(guān)甲、乙兩位詩人的詩文，統(tǒng)計兩位詩人或別名相互的引用次數(shù)，找尋二人之間的關(guān)聯(lián)。這是運用了

關(guān)聯(lián)分析

關(guān)聯(lián)分析

（選填：特征探索、關(guān)聯(lián)分析、聚類與分類）方法進行數(shù)據(jù)分析，也是

排序

排序

（選填：枚舉、二分查找、排序）算法思想去求解這一問題的體現(xiàn)。
（6）編制計算機程序解決問題的過程中，

設(shè)計算法

設(shè)計算法

是編程的核心，是解決問題的方法和步驟。選用Python程序設(shè)計語言編寫程序，Python屬于

高級語言

高級語言

（選填：分析問題、設(shè)計算法、編寫程序、調(diào)試運行、機器語言、匯編語言、高級語言）。圖a示意，使用

流程圖

流程圖

（選填：自然語言、流程圖、偽代碼）進行算法描述，且運用循環(huán)控制結(jié)構(gòu)嵌套了

判斷循環(huán)

判斷循環(huán)

控制結(jié)構(gòu)，如果要跳出本次循環(huán)體的執(zhí)行，應(yīng)使用

break

break

語句實現(xiàn)跳轉(zhuǎn)。
（7）閱讀程序（圖b示意），程序中以“#”開頭的語句，其作用是

解釋、注釋

解釋、注釋

，程序調(diào)試完成，通過“另存為”保存文件，文件后綴名為

.py

.py

。
（三）分析數(shù)據(jù)進行可視化表達并推測盛唐時期詩人關(guān)系。
（8）解密盛唐時期詩人關(guān)系。數(shù)據(jù)的可視化以易于理解的方式展示和詮釋數(shù)據(jù)之間的關(guān)系、趨勢與規(guī)律等，使人們更好地理解數(shù)據(jù)。從常用和實用的維度，數(shù)據(jù)可視化的呈現(xiàn)類型主要分為探索型和解釋型，其中

探索

探索

型可以幫助人們發(fā)現(xiàn)數(shù)據(jù)背后的價值，

解釋

解釋

型則把數(shù)據(jù)簡單明了地解釋給人們（選填：探索、解釋）。數(shù)據(jù)分析類型不同可視化呈現(xiàn)方式也不同，如關(guān)于趨勢的分析，可用

折線圖

折線圖

類型的圖表呈現(xiàn)，關(guān)于比例的分析，可用

柱形圖

柱形圖

類型的圖表呈現(xiàn)關(guān)于關(guān)系的分析，可用

柱線混合圖

柱線混合圖

類型的圖表呈現(xiàn)。
（9）解密盛唐時期詩人關(guān)系。學(xué)習(xí)小組選擇用網(wǎng)絡(luò)關(guān)系圖呈現(xiàn)盛唐時期詩人社會網(wǎng)絡(luò)關(guān)系（如圖所示）。圖中箭頭表示詩人之間的引用關(guān)系，如李白引用了賀知章，那么就有李白指向賀知章箭頭；箭頭的粗細程度則表示了詩人之間引用關(guān)系的強弱，如李白引用孟浩然的數(shù)量達4次，箭頭就要粗一些。
（10）解密盛唐時期詩人關(guān)系。觀察圖示，從繪制的盛唐的詩人社交關(guān)系網(wǎng)絡(luò)圖，嘗試推測哪位詩人是盛唐詩人的核心，哪位詩人的影響最大，請簡要闡述。（要求100字左右）