分卷阅读228（1 / 2）

假设啊之类的，一切都不是问题。

　　但田立心写这篇论文，而不是抄论文，多少还是会遇到一些难题的。

　　一，分析《全唐诗》的工程实在太大了，这部书里边出现的诗有四万多首呢。

　　二，唐代诗人的别称太多了，比如说光是杜甫的称呼，就有子美、杜二、杜工部等等。

　　不过，既然这是一篇计算机论文，数量的多少倒是无关紧要。

　　毕竟，可以直接交给计算机来运算嘛，只要能将《全唐诗》成功导入计算机就好了。

　　有关诗人的别称，需要费一番力气。

　　田立心使用的，是哈佛大学编纂的《中国历代人物传记资料库》（China Biographical Database Project，以下简称CBDB），CBDB记录了中国历代名人的传记资料，并保存在关系型数据库中。

　　CBDB由很多张表格组成，每张表中都记录了人物的不同信息。

　　田立心写这篇论文用到的主要列表有两张，——也就是人物的主要信息表（BIOG_MAIN）和人物的别名表（ALTNAME_DATA）

　　首先从BIOG_MAIN中查询出人物编号c-personid，接着用c-personid从ALTNAME_DATA中查询出别名，比如输入杜甫之后，表中就会出现子美、杜二、杜工部等一系列信息。

　　要是输入的是王维呢？

　　你会郁闷地发现，列表中会出现十几个同名同姓的王维。

　　这些王维中，只有一个才是他真正要找的人。

　　为了筛选目标人物的唐代诗人王维，就必须要添加王维所在的生卒年时间了。

　　经过这个操作，出现在列表中的人物果然是目标人物，他的别名也随之出现，正是让人印象深刻的王右丞、王摩诘。

　　而这，就是查找诗人的繁琐之处。

第0162章 第一篇论文要发表了

　　由于CBDB收罗的历史人物太多，重名现象非常严重。

　　经过一番探索，田立心最终设置了如下的排除重名策略：