中國作家協會主管

陳琰嬌 南開大學文學院青年教師，主要從事電影研究和文化批評。

國內引進圖書有個有趣的現象，那就是有時候會只譯主標題不譯副標題，又或者只譯部分標題，各位看官若只是按名下單，有時不免文不對題。上回拿到一本《文學課：如何輕松理解偉大作品》，正準備學習一番，定睛一看才發現原書名里還有“for kids（給孩子的）”倆詞沒被譯出。看來不是給我準備的書，只好轉送中學生。這回發現一本《納博科夫最喜歡的詞》，興致勃勃打開來，才發現這也并不是納博科夫研究專著。納博科夫喜歡什么詞在這里僅僅是個引子，作者是要用統計的方法來研究“經典、暢銷書和我們自己的寫作背后的數據到底說明了什么”（What the Numbers Reveal About the Classics, Bestsellers, and Our Own Writing）。

盡管有點“標題黨”，但確也是一本有趣的書。作者的研究方法是用數據統計來研究文學作品，比如：都說優秀的作品副詞少，那么到底要少到什么程度才算好，誰是用副詞最少的作家？男女作家在用詞習慣上有什么不同，書中的男女角色在表現上有不同嗎？我們會在自己的寫作中留下“指紋”嗎？什么樣的開頭結尾更受歡迎？當然，看到這里，也許你現在也有了一個疑問——這一連串的“十萬個為什么”也算文學研究嗎？

隨著人工智能熱潮的到來，“大數據”成為了這幾年最熱門的話題之一。不僅互聯網要關心大數據，人文社科領域也要研究人工智能，思考數字人文。不僅現代影視劇要將數據庫的功能可視化，像《長安十二時辰》這樣的古裝片中也出現了“大案牘術”，也就是原始的數據管理系統。那么接下來的問題便是，文學真的可以計算嗎？

書一開篇，作者就講了一個破案的故事。話說美國的《聯邦黨人文集》，收錄了漢密爾頓、麥迪遜和杰伊三位政治家的85篇文章，影響深遠。由于文章刊發時是共用筆名，所以一開始誰都沒說哪篇是自己的。后來漢密爾頓在給朋友的信中分別列出了各篇文章的作者，再后來麥迪遜又說漢密爾頓認領的文章中，有12篇是他寫的，于是這作者之爭一吵就是一百多年，各方學者誰也說服不了誰。直到1963年，才由兩位教授給出了明確答案，而他們既不研究歷史，也不研究政治，是貨真價實的統計學家。

說來也簡單，兩位學者分別統計了麥迪遜和漢密爾頓文章中的高頻詞，再將高頻詞與12篇文章比對。比如在已確認是麥迪遜的文章中，超過一半使用了“whilst”而“while”從未出現，而漢密爾頓的文章則恰恰相反，三分之一使用了“while”而“whilst”從未出現。類似這樣的詞，他們選出幾十個，逐一對比，最終確認麥迪遜的確是12篇文章的作者。就這樣，困惑了歷史學家兩個世紀的問題，最終被計算機解決了。

沿著這個思路，作者選了9個有趣的話題，對文學作品進行了新的審視。也因此，他才能準確地回答（按照作者統計標準）納博科夫最喜歡的詞是“mauve（淡紫色）”，簡奧斯汀最喜歡的三個詞是“civility（禮貌）”“fancying（幻想）”和“imprudence（輕率）”，而阿加莎克里斯蒂則是“inquest（審訊）”“alibi（不在場證明）”和“frightful（可怕的）”。

盡管知道了名家最愛用的詞、副詞使用率、暢銷書的性別氣質，這樣的“文學統計學”也不會在短時間內影響作家的寫作和我們對作品的看法，甚至數字人文這個研究領域也存在方法和路徑上的爭議。但反過來，計算機輔助文本處理技術的發展又的確給我們帶來了看待作品的新視角，讓我們看見了文本中隱藏的“指紋”。也正是準確無誤的數據統計讓我們看到了文本背后的無意識，為什么作品會呈現出“這樣”的特點，或許值得我們繼續思考。