标签：
之前由于论文等相关原因，需要一个诗词文字对仗库，苦于手头没有，网上也没有找到较好的定义好的格式。因此，琢磨着自己想办法做一个出来。很显然，做词库的数据源很重要，选来选去，最后决定使用全唐诗作为数据库。至于原因，首先是因为其数据量比较大，诗词覆盖面比较广；其次，由于《全唐诗》中大都是唐宋时期的诗词名篇，结构相对严谨，平仄相对，对仗清晰。更重要的是。。我不知道还有啥别的数据库可用。
收录《全唐诗》的网站很多，但这些网站在数据完整性和数据结构简单性上来说都有一定缺陷。本数据库中的数据是从河南大学图书馆网站上爬取下来的，因为其数据完整且容易抽取。由于该爬虫程序是几年前写的，由于数度更换编程环境，现在已经找不到这段代码了，因此不再贴出。
除此之外，我还找到了汉字读音的一个数据库（汉字字库），数据中包含中古韵、唐韵等读音信息，绝对是对仗分析计算的好帮手啊，绝对可以作为评定、推断标准之一。不过，请注意《全唐诗》收录的创作的年代都是唐宋之前的，当时诗人们的创作作品时，使用的音韵可能是。。。。，请慎重选择。此数据库好像是从北大的一个语言论坛中得来的，是爱好者编辑的，数据的准确性基本可以得到保障。
另外，如果要从《全唐诗》诗词数据库中获得对仗信息，你可能想到需要做中文分词，但是建议你不要。因为我也有过这想法，但是稍微分析观察之后发现，其实完全没有必要，因为中国的古诗词极为精炼，字字珠玑，少有词组的形式出现，多是单字表意。如果你坚持试一试的话，可以尝试使用：。
最后，如果要做自动对联相关研究工作，可以参考微软亚洲研究院的一篇论文，他们使用SVM学习机做了一个不错的自动对联系统，可惜音韵等信息没有考虑在内。
附件说明：
附件1：
附件2：
参考：
1. 全唐诗数据来源：河南大学图书馆：
2. SVM
3. 汉字库：
标签：
原文地址：http://www.cnblogs.com/ToDoToTry/p/4282282.html
