计算机设计语体风格 是人们在语言表达活动中的个人言语特征，是人格在语言活动中的某种体现。这种风格可在一定程度上通过数量特征来刻画。 能够区别文学作品的特征主要有 用词、句式、修辞手法、中心意象、主题等等 能利用的特征有 语音、字、词、句子、段落等等语篇结构的信息。 计算风格学可被应用来解决“作者考证”这种问题。当然要十分谨慎。 如：捷泽等学者关于《静静的顿河》的作者考证。

计算风格学

举例说明

对计算风格学的思考

计算风格学

语体风格是人们在语言表达活动中的个人言语特征，是人格在语言活动中的某种体现。这种风格可在一定程度上通过数量特征来刻画。计算风格学就是通过量化的方法反映语体或作家风格的研究。 能够区别文学作品的特征主要有 用词、句式、修辞手法、中心意象、主题等等。但是能用于统计的特征有语音、字、词、句子、段落，语篇结构等等可以量化考察的信息。因此它反映的不是作者想表现的内容，而是作者行文中不经意间体现出的用词造句习惯。 最常用的方法是字、词频率统计。 除了使用词语频率的方法以外，许多文本信息都可供使用。例如句长和词长可以代表人们造词句的风格。 句长是句子中的单词数，词长是词中的音节数，反映作者风格的不是单个词的词长和单个句子的句长，而是以一定数量的语料为基础的平均句长和平均词长。 平均词长M=语料中音节总数L/单词总数N 平均句长=语料中音节总数L/句子总数N 此外还有作者在同义词使用中的倾向性。是值得利用但较困难的。 计算风格学可用来解决“作者考证”的问题。当然，由于没有严格的可行性，操作要十分谨慎。

语体风格是人们在语言表达活动中的个人言语特征，是人格在语言活动中的某种体现。这种风格可在一定程度上通过数量特征来刻画。计算风格学就是通过量化的方法反映语体或作家风格的研究。

能够区别文学作品的特征主要有 用词、句式、修辞手法、中心意象、主题等等。但是能用于统计的特征有语音、字、词、句子、段落，语篇结构等等可以量化考察的信息。因此它反映的不是作者想表现的内容，而是作者行文中不经意间体现出的用词造句习惯。

最常用的方法是字、词频率统计。

除了使用词语频率的方法以外，许多文本信息都可供使用。例如句长和词长可以代表人们造词句的风格。

句长是句子中的单词数，词长是词中的音节数，反映作者风格的不是单个词的词长和单个句子的句长，而是以一定数量的语料为基础的平均句长和平均词长。

平均词长M=语料中音节总数L/单词总数N

平均句长=语料中音节总数L/句子总数N

此外还有作者在同义词使用中的倾向性。是值得利用但较困难的。

计算风格学可用来解决“作者考证”的问题。当然，由于没有严格的可行性，操作要十分谨慎。

举例说明

我们知道，学界的主流观点是，《红楼梦》后四十回并非出自原作者曹雪芹之手。下面让我们通过一系列的研究来看计算风格学是如何考证《红楼梦》作者的统一性的。

1970年，赵冈提出了使用“的”、“了”、“在”、“几”、“着”5个字的出现频率来研究《红楼梦》的作者问题，得出了前80回和后40回出自不同人之手的结论。1980年，在威斯康辛大学举办的首届国际《红楼梦》研讨会上 ，陈炳藻发表《从词汇上的统计论〈红楼梦〉的作者问题》一文。

陈炳藻教授的研究结果

1986年，陈炳藻教授公开发表了《电脑在文学上的应用：〈红楼梦〉与〈儿女英雄传〉两书作者用词的比较》一文；之后又出版了《电脑红学：论〈红楼梦〉作者》的专著。

陈炳藻将《红楼梦》一百二十回本按顺序编成三组，每组四十回。并将《儿女英雄传》作为第四组进行比较研究。

从每组中任取八万字，分别挑出名词、动词、形容词、副词、虚词这五种词，通过计算机程序对这些词进行编排、统计、比较和处理，进而找出各组相关程度。

结果发现《红楼梦》前八十回与后四十回所用的词汇正相关程度达78.57%，而《红楼梦》与《儿女英雄传》所用词的正相关程度是32.14%。由此推断得出前八十回与后四十回的作者均为曹雪芹一人的结论。

张卫东、刘丽川的观点

深圳大学学报(人文社会科学版)1986年 01期 发表了《〈红楼梦〉前八十回与后四十回语言风格差异初探》一文。利用某些用字、用词及回尾处理等差异做了比较研究。

一、在录入文本时使用了GB2312汉字编码体系。在GB2312的6763个汉字以外，还有240个汉字，这其中只有10个字同时出现在前后两部分。其中210字只出现在前80回，20字只出现在后40回。而重要的是，有些字并非只出现了一次。

1、有些脏字在前80回多次出现，且为日常骂人话，然而在后40回根本没有出现。

2、𣢑、嗐、搳

“𣢑”通“嘻”，前80回混用，后四十回统一为“嘻”

“嗐”与“咳”，前80回混用，后40回只用“嗳”

“搳”是“划（拳）”的异体字，前80回用“划”，后40回用“搳”

二、每一回结尾的格式

前八十回大致有五种

1.要知端的（端详），（且听）下回分解。

2.正是—— （或者后跟一联韵文）

3.自然终止行文

4.不知……，（(且听)下回分解。）

（……），(且听)下回分解。

5.后（下）回再（便）见

后四十回基本都是“未知(不知、要知、欲知)……(如何)，(且听)下回分解。”

因此前后两部分并非一人所作。

李贤平的分析论点

1987李贤平发表了《〈红楼梦〉成书新说》作者选择了四十七个虚字的出现频率，有时还用到句长分布。

(1)十三个文言虚字:之、其、或、亦、方、于、即、皆、因、仍、故、尚、乃

(2)九个句尾虚字:呀、吗、咧、罢咧、啊、罢、罢了、么、呢。

(3)十三个常用的白话虚字:了、的、着、一、不、把、让、向、往、是、在、别、好。 (4)十个表示转折、程度、比较等意的虚字:可、便、就、但、越、再、更、比、很、偏。

(5)后缀于名词的“儿”字和后缀于副词、形容词和动词的“儿”字。

采用了各种统计分析方法(主要有主成份分析，典型相关分析，多维尺度法，广义线性模型，类卡方距离与相关系数等等)

利用以上信息，作者推断出结论：

《红楼梦》前八十回是曹雪芹据《石头记》增删而成，其中插入他早年著的《金瓶梅》式小说《风月宝鉴》，并增写了具有深刻内涵的许多内容。

《红楼梦》后四十回是曹家亲友在曹雪芹全书尚未完成就突然去世之后，搜集整理原稿并加工补写而成。程伟元将全稿以活字版印刷刊行。高鹗校勘异文补遗订讹。

在上述的例子中，研究者的主要方法都是选取关键词，通过统计关键词的频率，分析文本的特征。我们看到，选取的关键词不同，分析结果就可能有较大的差距。这反映了目前计算风格学缺乏坚实的理论基础和方法论，因而这种分析方法必须谨慎使用。

对计算风格学的思考

谨慎对待计算风格学

张首映指出，单个作家的“语言风格”是不可求证的，（文学自由谈，1988（4））

单个作家的“语言风格”，无论在时间之轴上，还是在空间之维中，都必定不可能产生。林语堂式的幽默，沈从文式的淡雅，都是不同的言语风格，而不是语言风格。因此计算起来可能很难。

这一论断表明，我们不可能以量化的数值来表示绝对的作家风格。计算风格学的量化指标都只能作相对参考。

现有研究方法

目前的研究中利用到的特征主要分为以下几类：

常用字——优点是能够反映作者的写作倾向，但是必须要考虑是否应去掉文中专有名词，使结果不受单部作品的影响。

虚词——能独立于文本的内容。

罕用字——只有当频次较高的时候才比较有说服力，否则只能看作偶然出现。

句型——优点是直接关系到作者与文体的风格；缺点是目前自动识别容易出错，影响结论。