运用大数据分析方法，借助“机器文学算法”，北京邮电大学信息安全中心主任杨义先教授进行了有趣的“唐诗揭秘”——对诗仙李白、诗圣杜甫等的诗词进行了“用字习惯”分析。
　
　　　有些结果与直观想像很接近；但是，确实另有一些结果比较出人意料，例如如果不允许李白使用姓氏字来写诗，那么，他连一个完整的诗句都写不成，更甭谈一首诗了。但是如果让李白只使用姓氏字来写诗，他也写不出，但是杜甫却能够写出三首诗来！神奇吗？
　
【写诗，原来是典型的大数据问题！】
　
　　　杨义先带领的灵创团队告诉我们，从计算机科学角度来看，“写诗”其实是一个典型的“大数据分析与综合”的过程。
　
　　　关于综合，先人们早就知道“熟读唐诗三百首，不会吟诗也会吟”。这其实就是大数据综合！“综合”越好，诗的水平就越高，因此，诗仙李白和诗圣杜甫可谓是“综合高手”了。杨义先曾发布过能让文盲写诗的《出诗表》，正是综合大数据的最直观的案例。
　
　　　关于分析，最著名的历史典故，该算贾岛的“僧推月下门”或“僧敲月下门”了。但是，由于缺乏有力的分析工具，也由于样本太小，因此，自古以来，诗词的分析过程都仅仅限于局部，比如，是“推”还是“敲”。
　
　　　“分析”是“综合”的基础。反过来，大量“综合”知识的积累，又有利于提高“分析”的精准度，从而大大改善“综合”的结果。几乎所有的现代和古代诗人都只 是在潜意识地进行着，而且还将继续进行下去。如果能够把这些思维过程，明确地呈现出来，甚至建立相应的模型，那么，肯定有助于高效地提高诗人的修养，而 且，还有助于搞清楚人类的文学创作过程。在大数据时代，样本素材的获取有了重大改善，算法工具也开始出现，可以揭示某些千年以来不为人知的秘密。
　
【为何采用“姓氏”来分析诗中用词？】
　
　　　灵创团队使用机器文学算法、集合论的逻辑推理等分析工具，前者是其团队自主开发的的一套计算机软件，涉及到许多数学和密码学的技巧，分析的基础字集则是简单的《新华字典》、《中华单姓氏字集》等简单工具书。
　
　　　按传统，每个朝代都有自己的官方字典。除了姓名等字之外，当朝百姓和官文用字基本上都限于本朝的官方字典，而且，随着朝代的成熟和稳定，这种“向官方字典 靠拢”的现象会更加明显。比如看看最重要的《十八大报告》：虽然它洋洋洒洒8万字，但是，其中互不相同的汉字却只有897个，而且，这897个字全都出自 《新华字典》，只有118个字不属于《中华单姓氏字集》，可见，姓氏字是多少普遍，竟然占有87%的用字比例！）
　
　　　从纯粹的研究角度看，官方字典有一个严重缺点，那就是它的不稳定性。大清的《康熙字典》与《新华字典》可谓是天壤之别。但是，有一个字集却是超级稳定的，那就是《中华姓氏字集》，不管朝代如何更替，不管发生什么天灾人祸，姓氏字永远是代代相传的。
　
【分析李白诗集：两个“万万没想到”】
　
　　　李白一生，写诗约979首，共约8万字，其中只有3471个字是不重复的，两个有感觉的分析结果是：
　
　　　如果人人都是皇帝，即，其姓氏字都得避讳，那么，情况会怎么样？答案是，李白的所有五言或七言诗中，没有一个诗句是完整的，更不可能有一首完整的诗了！可见，《中华姓氏字集》的“杀伤力”有多大！那么，《中华姓氏字集》的建设力大吗？
　
　　　这带来第二个情况，如果只允许使用姓氏字，那么，情况又会怎么样？这个答案也许就出乎您的意料了！因为，如果只允许使用姓氏字，那么，李白一生竟然连一首诗也不能发表！
　
　　　因此，对李白的诗集来说，《中华姓氏字集》的建设力非常有限。
　
【《唐诗三百首》的大数据分析揭秘】
　
　　　既然李白能够被《中华姓氏字集》搞傻，那么，唐朝的其它诗人命运又怎样？其它，结果也大同小异，但是，杜甫同志的命运相对奇好！比如：
　
　　　情况1）如果人人都是皇帝，即，其姓氏字都得避讳，那么，《唐诗三百首》中的每个诗句都会被杀死，更不可能有一首完整的诗了！即，《中华姓氏字集》的“杀伤力”很大！
　
　　　情况2）如果只允许使用姓氏字，那么，《唐诗三百首》中也只有如下区区八首诗能够幸存下来，死亡率高达97%!可见《中华姓氏字集》的建设力非常有限。但是，杜甫运气特好，竟然有三首都是他的！注意：从宏观上看，杜甫的用字，比李白更远离《中华姓氏字集》。
　
　　　综合而言，根据离开《新华字典》和《中华姓氏字集》的距离，按从远到近的顺序排列，结果是：杜甫、李白、《唐诗三百首》、《十八大报告》。但是，杜甫有三首诗的字全都来自于《中华姓氏字集》，而李白（运气不好）连一首也没有！