數字人文的文學之維找九宮格會議–文史–中國作家網
數字人文（Digital Humanity）旨在以數御文，是一種穿插學科研討方式，學者用各類數字技巧摸索人文、社科景象，得出量化成果并將其停止可視化浮現。活著界范圍內，自羅伯特·布薩（Roberto Busa）編輯托馬斯·阿奎那的著作索引始，數字人文研討經過的事況了由無到有、由少到多的演化，在英美學界相干雜志陸續出生，相干項目層出不窮，稱號和定位也經過的事況了由人文盤算（Humanities computing）到數字人文的轉變。究其粗略，其演進與盤算機技巧的成長呈正相干關系，90年月起私家電腦的普遍普及增進了其研討的豐盛，近些年人工智能技巧的高潮，更對其有火上加油之勢。
在中國，錢鍾書個人空間師長教師獨具只眼，最早發覺之，授意并助力在社科院啟動相干研討。2000年以后，國際相干研討日漸豐盛起來，相干會議陸續召開、有關大眾號和雜志陸續出生。現在，數字人文方式在汗青學界、社會學界利用較廣，常經由過程gephi、metlab等數字東西構建社會收集，從而懂得汗青潮水年夜勢走向。而詳細到文學研討範疇，這種研討方式的利用尚且無限。
談到數字人文方式在文學界的利用，我們無妨戲仿韋勒克的不雅念，將其分為內部研討與外部研討。所謂內部研討，指的是經由過程社會收集剖析法，將作家生平、交游、空間走向等可視化，經由過程作家的內部數據剖析，可以清楚作家的接收水平，以及它與后代讀者、研討者之關系。內部研討依靠于相干數據的收拾任務，例如，布朗年夜學的“WOMAN WRITERS PROJECT”項目，努力于搜集和收拾搜集了16世紀至1講座場地9世紀中葉被疏忽的女性創作或合著的作品，這類任務也被稱為“數字檔案館”。
而數字人文的文學研討有一個更有魅惑力的範疇——數字化“外部研討”，可以對于文本停止外部剖析，無妨稱之為“量化新批駁”，也可對于某些詞匯和語篇的汗青變更停止剖析，無妨稱之為“量化概念史”，它終極會輔助發明一段汗青的文學外部構型，與傳統研討法有頗多可對話之處。毫無疑問的是，此類研討很是依靠于相干東西的成熟，本文將先容幾類國外的相干軟件東西，浮現國外此類研討的樣貌和走勢，以期為國際相干研討供給參照。
“WordHorad”是一款文學說話剖析軟件，它的開闢者將他們的行動稱為“在解鎖說話的寶躲”，簡直，經由過程高度標誌化的語料數據，以及對這些數據分布紀律的挖掘，我們可以取得察看這些虛擬文學文本的另一只眼睛。“WordHoard”重要經由過程要害詞提取和相互浮現的方式，對文學文本停止研討，在“WordHoard”的官方示例中，它展現了一些風趣的案例，例如“love”一詞的研討，它在喬叟、莎士比亞等人那里浮現的分歧拼寫特色，在分歧的汗青時代有著分歧的分布紀律，經由過程對“love”停止統計，研討者得出了很風趣的結論：在各類敘事文本中，愛被男性說出的次數多于女性，在笑劇類文本中，被女性說出的次數則是男性的三倍，這一成果提醒了“love”的文本機密，愛要怎么說出口？這很是值得文學史家的器重和進一個步驟剖析。
案例還供給了關于4位高文家的說話統計表——
經由過程如許的表格可以發明，荷馬、喬叟、斯賓塞、莎士比亞的作風與他們所處時期的變遷獲得了一種奇特的浮現，經由過程主題詞的變遷，我們可以或許窺見分歧時期的文學主題與分歧作家的文本主題，告竣對一位作家說話有意識的懂得。就名詞而言，在莎士比亞的一切文本中，愛是進場率第四高的名詞，只要主（lord）、人（man）和師長教師（sir）三個詞進場率高于愛，而其他三位作家所應用的最高頻名詞則沒有愛（love），無論莎士比亞是巨大的戀愛歌頌者，仍是巨大的戀愛質疑者，愛都是其一個主要表示和反思主題。
谷歌是人工智能範疇的領頭羊，而谷歌圖書中收錄的大批冊本，谷歌搜刮中存在的大批網頁文字數據，以及谷歌學術中的學術文字記載，都為構建如許一個宏大的語料庫有所助益。它出品的在線東西“Google Ngram viewer”重要基于谷歌圖書的語料庫，便利展示分歧語詞在汗青上的全體變更。經由過程輸出想要查找的要害詞，便可以看到在相干語猜中，跟著汗青成長，相干詞語的變更趨向。例如，筆者將時光限制為1940-2000年，鍵進孔子、孟子、老子、莊子、朱熹等中國歷代思惟家，可以發明，它們積年在數據庫中的權重變更，這一數據顯示，孔子無疑是最有熱度的思惟家，與學者和相干論者的思惟勾連也最為親密。
再如，可以拔取幾位今世作家，如莫言、余華、王朔，察看自1980年月以來，在紙質書數據庫中他們的權重走勢。
可見，這些走勢也值得文學史家的留意，假如參加更多的比擬維度，無疑會出生更多風趣的研討結果。
21世教學紀，自人工智能技巧獲得了主要衝破后，天然說話處置（NLP）相干技巧獲得了日新月異，現在年夜數據、人工智能等要害詞人盡皆知，而機械翻譯、語音辨認、人機對話等效能也在手機端獲得了普遍的利用，我們的日常生涯經常與它糾纏為一體。天然說話處置技巧對文學發生了必定影響，促生了激發普遍爭議的“機械人寫詩”景象，引得有數文學從業者迷惑于詩歌的鴻溝，也引得諸多哲學家會商人類與機械的鴻溝。另一方面，天然說話處置技巧對文學研討也發生了良多參與的能夠。
樹立在天然說話處置基本上的相干研討，為文學研討供給了新的能夠。“NLTK”全稱為”Natural Language Toolkit”，是賓夕法尼亞年夜學發布的天然說話處置東西，簡直是申明最為洪亮的處置東西，它需求經由過程盤算機python說話來操縱和應用，該模塊中包括了大批的語料資本，如《圣經》、莎士比亞的《哈姆雷特》等多部戲劇、簡·奧斯丁的小說、惠特曼的詩集等，除此之外，它也包括路透社的消息文檔、美國總統的演講集、一些片子腳本原文、網友的收集論壇聊天記載，其文本含量不成謂不豐盛，源自分歧汗青階段的詞語儲蓄不成謂不周全。而“NLTK”中的內置函數和效能，則有助于深度發掘文本的表達構造，細致摸索其說話形式，詳盡勾畫其說話地貌。例如“similiarity”函數有助于輔助盤算詞匯類似度，“len”函數有助于發明文本的復雜水平，“concordance”函數有助于發明某些特定詞匯的高低文等等。
在官方相干示例中，一些奇特的研討成果曾經被浮現出來，例如，在分歧時期的美國總統演講中，總統想誇大的重點天然分歧，那么“citizen”和“american”兩詞的應用頻率有什么變更？有關研討職員對其停止了一種可視化浮現。
異樣，也可用它對中文文本停止研討，例如，某些特定的人名在作家魯迅的文本中的分布狀態若何呢？筆者采用python中的nltk模塊繪制了如下分布圖。
眾所周知，魯迅師長教師本身的肄業唸書階段，受章太炎、梁啟超、托爾斯泰等影響深遠，之后與梁實秋、林語堂產生過學術爭辯。不外，胡適成了分布最普遍的人名。
“Gephi”是一款停止收集剖析的軟件，自復雜迷信成為學術熱門，復雜收集圖譜的繪制成為諸多學科中的必須具備技巧，如沾染病收集、神經收集、金融收集、物流收集等。而“Gephi”可以利用于文學外部研討範疇，繪制一部作品外部的說話收集。例如，經由過程對魯迅作品中描述詞停止統計剖析，可以發明其外部說話收集。
不外，今朝這些軟件年夜部門集中于英文處置，基于絕對完整的英文語料庫，異樣也基于東方世界，尤其是美國在盤算機迷信方面的領軍位置，和東方世界人文社迷信界的前沿視角。而中文語料庫以及樹立在其之上的研討板塊，浮現出一種缺掉。近些年，作家逛逛的團隊曾經努力于開闢中文文天職析的軟件，對文學雜志《收獲》中的文學作品和收集文學停止剖析，并獲得了可不雅的結果。不外，更值得等待的是這一範疇的結果日益豐盛，不雅點百花齊放，為傳統文學史與文論研討供給了另一種參照。
相似的中文文學文天職析東西還有待豐盛。不外，現在天然說話處置技巧的成長，人工智能的成長，以及通用人工智能（AGI）的暢想，為這種豐盛供給了一種能夠，筆者對如許的一款文學通用軟件做出如下暢想——
起首，它可以或許停止基礎的詞頻剖析，和樹立在詞頻以及權重剖析上的詞語分布研討，經由過程它，我們可以發明分歧作家和分歧時期的文本差別。例如，20世紀20年月中國文學的高頻詞是哪些？與30年月有何分歧？京派文學與海派文學可以經由過程這種方法獲得量化的區分嗎？唐宋之爭中的唐詩宋詞，能否存在文本要害詞分布的顯明差別？
其次，樹立分歧的辭書庫，針對分歧詞性的分布停止詳細剖析，這些包括基礎的動詞、描述詞、名詞等，也可以經由過程專門辭書的樹立，剖析某一類（如文論類，哲學類詞）的分布。例如，魯迅師長教師最愛用哪些動詞？美學家朱光潛最愛好援用哪些人名？今世文學實際和文學史類教材里哪些概念呈現頻率最1對1教學高？這些都是饒風趣味的體裁。
再次，經由過程基于lstm道理和tensorflow的操縱方法，經由過程感情盤算來摸索文本的感情分布奧妙，發明文本的感情曲線和走勢圖，窺測分歧作家的情感世界，分歧批駁家的感情作風，以及某一時期的讀者群落的精力風采。韓愈散文的感情走向與南朝駢文有何分歧？收集玄幻小說的感情走向較之傳統武俠小說有何變更？
最后，在今朝技巧達不到的一些方面，還可做出更豐盛的暢想——一款將來軟件，或將來編程說話的模塊，也能總結敘事類型，比擬文本說話差別等，讓傳統學者的教學場地文學剖析功力更有用地發揮，讓盤算機的研討成果和批駁家的研討結果可以告竣互為彌補的後果。
那么，可否完成一個將來的中文文學研討軟件呢？它的可行性和能夠性鴻溝在何方呢？現實上，除了技巧的提高，它還需求有宏大的文學語料庫資本，包括紙質文學與收集文學作品，包括紙質出書物的文學評論與網友評論，在這一方面，紙質文本高正確率的數字化處置需求完成，版權也成為了某種限制。也許，全知萬能型的研討軟件短期還不克不及完成，或許我們也不等待它呈現。並且，在從頭審閱中國文學與文論變遷上，幫助性較強的軟件盡對可以施展很是主要的感化。較之于莫萊蒂的遠讀法，新的細讀法仍有其價值，不外它是一種新的細讀法，無妨稱之為數字細讀法或量化細讀法，如許的讀法在國際方才起步，如許的數據庫等候樹立，而如許一款研討軟件則佈滿引誘。
