呂佳

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

【關鍵詞】大數(shù)據(jù)分析 文學研究 應用

一，什么是大數(shù)據(jù)（分析）

隨著互聯(lián)網(wǎng)的飛速發(fā)展，“大數(shù)據(jù)”成了最近幾年的流行詞和熱門詞。幾乎人人在談“大數(shù)據(jù)”，但是，“大數(shù)據(jù)”到底是什么？

大數(shù)據(jù)，即巨量數(shù)據(jù)的集合（IT行業(yè)用語）。具體來說，大數(shù)據(jù)（hig data），是一種數(shù)據(jù)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(guī)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(fā)現(xiàn)力和流程優(yōu)化能力。在這個數(shù)據(jù)爆炸的時代，大數(shù)據(jù)現(xiàn)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(shù)據(jù)量，銀行業(yè)務和信用卡的交易產生的數(shù)據(jù)量，電子商務的交易產生的數(shù)據(jù)量等等。

若我們僅僅停留在獲取數(shù)據(jù)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(shù)椐轉變成知識呢？這涉及到四個層面的轉變，即從數(shù)據(jù)到信息到知識再到智慧。通過大數(shù)據(jù)分析，借助軟件采集和處理到的信號形成數(shù)據(jù)，經(jīng)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(shù)據(jù)分析可為我們的決策方案提供依據(jù)，有利于我們及時做出調整。商業(yè)中，銷售數(shù)據(jù)能及時反饋客戶的需求變化，從而發(fā)現(xiàn)商業(yè)規(guī)律、扭轉敗局；教育中，學生的成績數(shù)據(jù)能反應學生的不足和優(yōu)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(shù)據(jù)分析展開探討數(shù)據(jù)背后作者的用意和情感的研究。

二，歷史上的文學數(shù)據(jù)分析

大數(shù)據(jù)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(fā)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(qū)分開兩個作者。

美國“數(shù)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(tǒng)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(fā)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(fā)現(xiàn)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(tǒng)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(tǒng)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(tǒng)計學家Frederick Mosteller和David LWallace曾對《聯(lián)邦黨人文集》中also、an、by、of等常見詞的詞頻進行統(tǒng)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(shù)據(jù)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(shù)據(jù)”分析與小閱讀

大數(shù)據(jù)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(shù)據(jù)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(shù)據(jù)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(fā)現(xiàn)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(tǒng)計研究者需要統(tǒng)計的指標。清華附小蘇軾論文之一的《大數(shù)據(jù)分析幫你進一步認識蘇軾》中，作者利用數(shù)據(jù)分析將蘇軾的3458首詩詞與9552位作者創(chuàng)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(jīng)歷：作者還通過111首蘇軾的包含“歸來”的詩的年代的統(tǒng)計而制作出的次數(shù)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(xiàn)的“歸來”的次數(shù)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(shù)的1%，這樣的研究必然受限制。的確，利用計算機進行大數(shù)據(jù)分析可以發(fā)現(xiàn)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(shù)據(jù)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(shù)據(jù)浪潮席卷全球的今天，二者的聯(lián)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(shù)據(jù)分析，往往相互補充，取長補短。文學的大數(shù)據(jù)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(shù)據(jù)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(fā)現(xiàn)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(shù)據(jù)”分析與文學研究【J】.中國圖書評論，2014 （04）

【2】顧君忠.大數(shù)據(jù)與大數(shù)據(jù)分析【J】.軟件產業(yè)與工程，2013（04）

【3】歷史上的文學大數(shù)據(jù)分析【EB/OL】.中國科學報，2014 （10）