淺談大數據分析在文學研究中的應用

呂佳

【摘要】文章通過清華附小蘇軾論文熱點事件引出“大數據分析在文學研究中的應用”主題，并通過“什么是大數據（分析）”、“歷史上的文學數據分析”、“大數據分析與小閱讀”展開論述，強調了在小閱讀引導下的大數據分析是文學研究的重要途徑之一。

【關鍵詞】大數據分析 文學研究 應用

一，什么是大數據（分析）

隨著互聯網的飛速發展，“大數據”成了最近幾年的流行詞和熱門詞。幾乎人人在談“大數據”，但是，“大數據”到底是什么？

大數據，即巨量數據的集合（IT行業用語）。具體來說，大數據（hig data），是一種數據集合，也是一種信息資產。它無法在一定時間范圍內利用常規軟件工具進行捕捉、管理和處理，同時，它也需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力。在這個數據爆炸的時代，大數據現象在日常生活中俯拾即是：不斷更新的微博以及粉絲的跟帖產生的數據量，銀行業務和信用卡的交易產生的數據量，電子商務的交易產生的數據量等等。

若我們僅僅停留在獲取數據這個低級層面，其意義是十分有限的，我們更感興趣的是知識。那么，如何將數椐轉變成知識呢？這涉及到四個層面的轉變，即從數據到信息到知識再到智慧。通過大數據分析，借助軟件采集和處理到的信號形成數據，經處理后變成信息，再通過挖掘形成知識，最后通過分析上升到智慧層次。

大數據分析可為我們的決策方案提供依據，有利于我們及時做出調整。商業中，銷售數據能及時反饋客戶的需求變化，從而發現商業規律、扭轉敗局；教育中，學生的成績數據能反應學生的不足和優勢，從而教師能及時做出相關的教改方案。同樣，在進行文學分析和研究時，我們也可以與時俱進地利用大數據分析展開探討數據背后作者的用意和情感的研究。

二，歷史上的文學數據分析

大數據概念雖然近幾年才被人們耳熟能詳，但早在19世紀，人們就開始用定量分析的方法研究分析文學作品了。美國科學家Thomas Corwin Mendenhall于1887年在《科學》雜志上發表一篇題為《文章的特征曲線》的文章。他認為，通過“詞譜”或“特征曲線”也能表征一篇文章，正如光譜線的模式可以表明存在著某化學元素一樣。他以狄更斯的《霧都孤兒》和薩克雷的《名利場》為研究對象，考察兩人的“詞譜”差異，結果顯示，差異不足以區分開兩個作者。

美國“數字人文學”先驅Lucius Adelno Sherman的博士論文題目是《古英語詩歌“貓頭鷹與夜鶯”的語法分析》，他通過定量研究統計了這首詩歌中用了多少介詞、連詞和否定式表達。

1893年.Sherman發表了一部題為《文學分析學：關于如何對英語散文與詩歌進行客觀研究的手冊》的著作。他在講授英語文學演變的過程中，發現從14世紀的詩人杰弗雷·喬叟，到17世紀的戲劇家威廉·莎士比亞，再到19世紀的文學家拉爾夫·沃爾多·愛默生，他們寫出的句子越來越簡單，擺脫了過去那種“凝重”和繁復。為了論證，他從每個作家的作品中抽取500個句子，統計其平均句長。結果表明，以Robert Fabyan為代表的16世紀初的平均句長為63個單詞，以愛默生為代表的19世紀只有20.5個單詞。

在計算機尚未問世時，英國統計學家G.Udny Yule和C.B.Williams曾嘗試通過句長的差異來表征不同的文學風格并識別不同的作者。

20世紀美國著名統計學家Frederick Mosteller和David LWallace曾對《聯邦黨人文集》中also、an、by、of等常見詞的詞頻進行統計分析試圖辨別漢密爾和麥迪遜的文章。

1964年，歷史上第一個主題為“文學數據處理”的學術會議召開，討論題目包括“計算文體學”以及在計算機輔助下就彌爾頓對雪萊之影響做出的估計等。

三，“大數據”分析與小閱讀

大數據分析技術作為人類認識客觀世界的一種工具，給我們帶來了難以想象的進步。借助計算機數據來分析文本需要小閱讀的思維方式和問題意識作為分析的重要導向。機器進行數據處理時，需要研究的主體下指令“告訴”它們如何操作。一方面，機器能夠發現肉眼和人腦不關注的問題信息：另一方面，研究的主體借助計算機這個好用的工具來統計研究者需要統計的指標。清華附小蘇軾論文之一的《大數據分析幫你進一步認識蘇軾》中，作者利用數據分析將蘇軾的3458首詩詞與9552位作者創作的276545首唐宋詩詞做對比證明了蘇軾是位高產作家：作者又通過蘇軾的3458首詩詞中找出的排名前50的高頻詞和高頻字來分析蘇軾的人生經歷：作者還通過111首蘇軾的包含“歸來”的詩的年代的統計而制作出的次數分布圖印證了他們的猜想：每次被謫結束之后，蘇軾詩中出現的“歸來”的次數都會有所增加，從而從一個新的角度認識了這位文學巨匠。

研究的主體進行“小閱讀”是重要的，也是必要的。正如莫萊蒂所言，即使你研究200本小說，也還不到19世紀出版的小說總數的1%，這樣的研究必然受限制。的確，利用計算機進行大數據分析可以發現某個文學體裁的形式上的普遍特征。但是，每個研究的主體甚至每個讀者對文學作品的認識和感悟是不同的，正是每個人不同的難以捕捉的理解與感悟才是文學闡釋的核心焦點。

四，總結

大數據與文學，一個是理性工具，一個是感性思維，看起來似乎不沾邊。但在大數據浪潮席卷全球的今天，二者的聯系卻日益緊密。人腦和電腦在閱讀文本的時候所用的方法和關注的角度不同，分析出來的東西也可能截然不同。人腦對文本的分析闡釋與電腦的大數據分析，往往相互補充，取長補短。文學的大數據分析和研究主體的小閱讀之間有著很多交融之處。我們需要借助計算機進行文本數據分析，將個人化的文學闡釋和歷史性思索有機地結合起來，發現一些有價值的研究途徑，為打造新的文學史和新的文學價值理論提供可能性。

參考文獻：

【1】金雯，李繩.“大數據”分析與文學研究【J】.中國圖書評論，2014 （04）

【2】顧君忠.大數據與大數據分析【J】.軟件產業與工程，2013（04）

【3】歷史上的文學大數據分析【EB/OL】.中國科學報，2014 （10）