天然说话研究一向以来都是计算机研究的一个重要偏向。跟着大年夜数据时代的到来，人们也越来越存眷天然说话这方面的进展。而文学是天然说话这个皇冠上的明珠。人们都拭目以待大年夜数据摘下这颗明珠的那一天。
几十年来，文学作品中的统计分析已经大年夜纯真的破沂攀理论成长到更尖端的研究
1993年,Tom Stoppard的媳哏《世外桃源》(Arcadia)正式上演。在这部脑洞大年夜开的戏比赛那些用数据统计进行文学评论的桥段成为圈内人的笑料。比赛一位傻乎乎的诗歌教师，Bernard Nightingale，嘲笑他的同事用计算机法度榜样来断定一个没有签名的故事出自于劳伦斯(D.H. Lawrence)之手。并且还自得的指出“在同样的统计基本上，竟然有百分之九十的可能性，Lawrence还撰写了《调皮小威廉》(“Just William”.作者是里奇马尔Richmal Crompton)这本书以及前一天的《百眼巨人报》(英国布莱顿市的一份处所报纸)。固然这只是该比赛的几个笑话，但如今忽然变得令人“细思恐极”了。 跟着《新牛津莎士比亚》系列的出版，人们开端了一场关于伊丽莎白时代剧作家身份的评论辩论。
《新牛津莎士比亚》全集的最新版登上了客岁10月份的头条消息。因为书中指出莎士比亚的44部戏剧作品有17部是和别人合营完成的(比拟之下，1986版中仅列出了8部)。 而个一一个新出现的人名，马洛(Christopher Marlowe)，更让人们高兴不已。这个名字的出现似乎佐证了之前一些关于作者身份被驳回的诡计论。 然而，更吸惹人眼球的是得出这个论断背后的技巧。人们已不再是根据编辑不雅察等传统的方法，而是经由过程计算分析来做出如许的结论。 那么今天的数据说话学家是如安在不受作者影响力的前提下，弄清跋扈作者与作品的关系的呢? 同时我们更须要思虑为什么做到这点很重要?
计算机和仁攀类都可以经由过程一些“附加词”来辨认是不是莎士比亚的作品，比如他会经常在本身的作品中应用 “gentle”, “answer”, “beseech”, “tonight”。 显然用这种办法来断定是不是莎翁作品已经变得不那么精确了，因为那时刻的作家经常会模仿其他人的行文风格。 早期的剧作家是异常慎密的一个集团，而与此同时16世纪的不雅众似乎并不是很在意作品的独创性。《帖木儿》(Tamburlaine)，马洛的一部异常受迎接的媳哏，当时被很多人模仿衍生出各类续作。以至于当时有名的剧作家本·琼森(Ben Jonson)对该剧被无休止的模仿而发出了哀叹。 莎士比亚也和其他人一样没能免俗。 《马耳他岛的犹太人》(“The Jew of Malta” ,1589)中, 马洛笔下的巴拉巴斯将他的女儿阿比盖尔隔离在一个阳台上：
“But stay! What star shines yonder in the east?
The lodestar of my life, if Abigail!”
(“看! 哪颗星星在东方发光?就是我生射中北极星，阿比盖尔!“)
如不雅这段台词听起来很熟悉，那是因为十年后莎士比亚笔下的罗密欧有着类似的台词：
“But soft! What light through yonder window breaks?
It is the East, and Juliet is the sun!” (“轻声!那边窗子里亮起来的是什么光?这是东方，而朱丽叶就是太阳!“)
在这种互相竽暌拱响的情况下，电脑若何可以或许分辨出马洛和莎士比亚本人的作品以及他们作品中互相借鉴的差别?根据《新牛津莎士比亚》的编辑，个中的关键在于“功能词”， 就是 “to”或“a”这类可以或许为句子供给语法支撑的单词。 他们的理论认为作家们都邑无意识地以本身独特的方法应用这些词。例如，莎士比亚经常把“and”与 “with”连在一路用 – 渴攀劳狄斯与乔特鲁德婚礼中的“With mirth in funeral and with dirge in marriage” (“葬礼中的挽歌和婚礼中有欢歌”)，老哈姆雷特的鬼魂说到“迟缓而肃静得涌如今他们面前”( “Appears before them, and with solemn march。Goes slow and stately”)。 是以即使作家们试图模仿他人的写作风格，功能词典应用仍然可以或许揭示他们真实的身份。 经由过程分析作家若何应用那些功能词，计算机可以初步地辨认他们独特的说话指纹。
在莎士比亚作品的研究中，可以或许获知作品作者，作品内容以及写作时光是异常关键的，经由过程这些信息能有助于说服那些唯莎士比亚论者，因为在他们眼里莎翁就是一个孤傲的天才。 之前之所以人们会认为莎士比亚少有与人合作，重要原因照样那些与他合作的作家并不是异常出色。尽管计算机模型不是绝对精确的，然则以证据而非作品德量来剖断作品的归属照样令人佩服的。
其次，精确的作品归属让我们更好的懂得戏剧作品本身。 当我们打开一部汗青戏剧作品的第一页，就像开端了一部关于这段汗青的片子。 因为《亨利六世》第二章的大年夜部分可能是马洛撰写的，这就打破了这个汗青剧作的同一性。 马洛更多的表示出对通俗庶平易近角色(比如低调的杰克·凯德)的兴趣，而不是那些无所不克不及的君主;相反， 莎士比亚更爱好“国王之逝世”类似的故事。 知道同一部作品出自他们两人之手，懂得到个中的┞幅议和共生，我们可以更好地舆解戏剧本身。
据《新牛津莎士比亚》编辑之一加布里埃尔·埃根(Gabriel Egan)所说，归因模型越来越精确，重要的原因就是“计算机研究人员越来越多地将研究精力转向天然说话，而天然说话研究是计算机成长偏向中最难的问题之一 。“在《世外桃源》中，Bernard Nightingale曾保持认为”你不克不及把拜伦的思惟放进标记本电脑里“。但就如今的情况来看，他的不雅点仍然可能是精确的。 在控制测试中，即使像《新牛津莎士比亚》所应用的高等模式，有时也会有明显的误判，把作品张冠李戴。统计分析仍将是重要的分析对象之一。因为它有着学术的客不雅性，只是之前人们在莎士比亚研究范畴很罕用到。
推荐阅读
腾讯微办事架构 Tars 于今日正式开源。 Tars 取名傍友子“星际穿越”中的机械人，是支撑多说话的高机能 RPC 开辟框架和配套一体化的办事治理平台，可以赞助企业或者用户以微办事>>>详细阅读
本文标题：玩笑到现实，大数据涉足文学研究–用数据模型分析莎翁著作
地址：http://www.17bianji.com/lsqh/34742.html
1/2 1
网友点评
精彩导读
科技快报
品牌展示