編者按    

    對人文學(xué)者來說，作為工具的計算機，已從文獻檢索時代進入到數(shù)據(jù)分析時代。計算機不僅能幫助我們從海量文獻中快速檢索到所需的資料，還能以數(shù)據(jù)為基礎(chǔ)幫助我們發(fā)現(xiàn)問題和分析問題。隨著數(shù)字人文技術(shù)的發(fā)展，數(shù)據(jù)分析的技術(shù)和方法越來越有針對性和強效性，能清晰地揭示隱藏在文學(xué)史背后的作家與社會之間、作家與作家之間、文本與文本之間的直接與間接、顯性與隱性的多種關(guān)聯(lián)，能以全知型的視角系統(tǒng)整體地還原和呈現(xiàn)文學(xué)史的立體景觀，改變傳統(tǒng)的思維方式和文學(xué)研究范式。

    目前的中國古代文學(xué)研究，在數(shù)據(jù)分析方面雖然已經(jīng)起步，但還沒有完全跟上數(shù)字人文的發(fā)展步伐，可用于統(tǒng)計分析的關(guān)系型文學(xué)數(shù)據(jù)庫建設(shè)還比較薄弱，適用于古代文學(xué)研究的分析工具、分析方法、分析模型還相當(dāng)有限。近些年學(xué)界和業(yè)界推出了相當(dāng)豐富的數(shù)字化的文獻資源庫，如《中國基本古籍庫》《中華經(jīng)典古籍庫》等，但主要用于檢索，還不是結(jié)構(gòu)化的能進行統(tǒng)計分析和再生知識的數(shù)據(jù)庫。運用數(shù)字人文的分析工具和技術(shù)方法來研究古代文學(xué)，也取得了一定的實績，但還處在嘗試性階段，未成規(guī)模，影響不大。

    為推進數(shù)字人文技術(shù)在古代文學(xué)研究中的應(yīng)用與突破，本期約請清華大學(xué)中國古典文獻研究中心數(shù)字人文研究團隊的劉石、孫茂松、張力偉和劉京臣四位先生從不同的角度筆談他們的構(gòu)想和規(guī)劃。劉石、孫茂松先生構(gòu)建了古典文學(xué)研究的分析模型，劉京臣先生闡述了基于社會網(wǎng)絡(luò)分析的文本與人物研究的理路，既有理論的前瞻性，也有方法的可操作性；張力偉先生提出了建設(shè)“中國古典知識庫”（CCKB）的宏大構(gòu)想，令人期待！（王兆鵬）

一

    20世紀(jì)60年代，電腦就被西方國家運用于人文學(xué)科研究，稱為“人文計算”。美、英、法、德等國利用大數(shù)據(jù)技術(shù)研究文學(xué)開展得早、影響大，相繼成立了國家級項目組或研究中心，致力于莎士比亞戲劇、法國中世紀(jì)詩歌等多語種文學(xué)經(jīng)典的內(nèi)容分析，產(chǎn)生了一批引人注目的理論著述與應(yīng)用成果。

    進入新世紀(jì)，一些研究機構(gòu)及企業(yè)開始對書籍進行大規(guī)模數(shù)據(jù)化。谷歌與哈佛大學(xué)共同研發(fā)的數(shù)據(jù)庫可對1600年至2000年間出版的500多萬冊書籍的單詞和短語的使用頻率進行統(tǒng)計，通過關(guān)鍵詞使用頻率的變化，可以嶄新的視角揭示500年來人類文化發(fā)展史的總體趨勢。伴隨人工智能技術(shù)的進步，機器的深度學(xué)習(xí)在文本分析方面展現(xiàn)了驚人效率。《布谷鳥的呼喚》原是《哈利·波特》的作者J. K. 羅琳于2013年匿名發(fā)表的小說。牛津大學(xué)的Peter Millican和杜肯大學(xué)的Patrick Juola運用法律語言學(xué)的分析方法對比分析，推測它很可能是羅琳的新作，最后，羅琳承認這部小說確出己手。

    國內(nèi)在20世紀(jì)80年代也出現(xiàn)了“人文計算應(yīng)用”的概念，一些學(xué)者開始致力于運用電腦技術(shù)研究人文課題。早期對古典文學(xué)尤其詩詞的研究多為計算機或統(tǒng)計專業(yè)的學(xué)者。廈門大學(xué)周昌樂教授課題組針對宋詞風(fēng)格“豪放與婉約”的分類問題，研創(chuàng)了基于字和詞為特征的風(fēng)格分類模型、基于頻繁關(guān)鍵字共現(xiàn)的詩歌風(fēng)格判定方法以及基于詞和語義為特征的風(fēng)格分類模型。首都師范大學(xué)尹小林教授最早研發(fā)了“《全唐詩》檢索系統(tǒng)”，北京大學(xué)李鐸教授也研發(fā)了“《全宋詩》分析系統(tǒng)”“《全唐詩》分析系統(tǒng)”“《資治通鑒》分析系統(tǒng)”等。北京大學(xué)杜曉勤教授研發(fā)的“中國古典詩文聲律分析系統(tǒng)”首次實現(xiàn)對中國古典詩歌及有關(guān)韻文進行批量四聲自動標(biāo)注和八病標(biāo)識、數(shù)據(jù)統(tǒng)計功能，不僅有助于研究永明體詩歌的聲病情況，還可考察永明詩律向近體詩律演變的環(huán)節(jié)和過程。中南民族大學(xué)王兆鵬教授是較早采用量化分析研究古代文學(xué)經(jīng)典的專家，他先后主持了“中國古代詩歌史的計量分析”“20世紀(jì)唐五代文學(xué)研究論著目錄檢索系統(tǒng)與定量分析”等多個項目，尤其是唐宋詩詞名篇的定量分析（排行榜）及國家社科重大項目“唐宋文學(xué)編年系地信息平臺”引發(fā)了社會的普遍關(guān)注。

    鄭永曉先生數(shù)年前已經(jīng)呼吁古典文學(xué)研究從數(shù)字化向數(shù)據(jù)化的轉(zhuǎn)變?；诖髷?shù)據(jù)技術(shù)對古代文學(xué)經(jīng)典文本進行高效和深度分析，可將文學(xué)研究納入到一個更宏觀的視野，提高研究結(jié)論的精準(zhǔn)性、穩(wěn)定性及可驗證性，促生新的研究理念、方法與范式。但總體來看，古典文學(xué)研究領(lǐng)域目前還基本處在古籍?dāng)?shù)字化、數(shù)字化檢索和少數(shù)專題數(shù)據(jù)平臺建設(shè)階段。

二

    現(xiàn)階段數(shù)字人文研究的主要技術(shù)方法，包括機器學(xué)習(xí)與人工智能、數(shù)據(jù)庫建設(shè)、計算語言學(xué)、社會網(wǎng)絡(luò)與地理信息系統(tǒng)、數(shù)據(jù)與文本挖掘等方面。這些技術(shù)方法可分別用于古典詩歌分析系統(tǒng)的嘗試、作家生平事跡研究、古典小說研究、文本與人物研究、文體與文論研究，涵蓋了古典文學(xué)研究的主要方面。

    基于這樣的理解，我們擬以先秦至明清品類紛繁的古代文學(xué)經(jīng)典文本為中心，利用計算機、統(tǒng)計學(xué)、信息科學(xué)等學(xué)科的新興技術(shù)手段，形成如右上圖所示的研究結(jié)構(gòu)。

    研究的流程是文學(xué)專家提出問題——技術(shù)專家設(shè)計算法模型——借助知識庫或數(shù)據(jù)庫等平臺進行文本分析——文學(xué)專家對分析結(jié)果進行解析和研究。數(shù)據(jù)庫建設(shè)、技術(shù)創(chuàng)新運用與文本研究三位一體。數(shù)據(jù)庫是基礎(chǔ)，文本分析技術(shù)是關(guān)鍵，最終要落實到發(fā)掘依靠閱讀經(jīng)驗難以發(fā)現(xiàn)的文本組織特征及相互關(guān)系，通過定量統(tǒng)計、定性分析，解決古典文學(xué)研究領(lǐng)域長期存在的疑而難決的作品歸屬、作品辨?zhèn)?、異文辨析、修辭特色、風(fēng)格生成、題材變遷、因革影響等方面的問題，期望在以下諸方向有所推進：

    1.重新驗證已有成說的經(jīng)典史論問題。比如，提出“文必秦漢，詩必盛唐”的明代前后七子為代表的文人群體，其詩文創(chuàng)作是否落實和如何落實其文學(xué)創(chuàng)作的主張？利用共詞分析、語義分析、人物事件交雜等技術(shù)思路，嘗試全新分析和解決諸如文體形式、社團流派、人物關(guān)系、情節(jié)演進、階段特征、歷史影響等問題。

    2.解決人力難以徹底解決的疑難問題，為作品歸屬、重出異文、改編續(xù)寫、風(fēng)格流派、文類劃分等提供新的證據(jù)、思路與方法。如唐宋詩“體格性分之殊”的判斷，詩詞曲三種相近文類格律、用韻、題材、語詞、典故、句法、意象、風(fēng)格的窮盡性統(tǒng)計，為定性分析提供數(shù)據(jù)支撐，可以提高研究結(jié)論的精確性、穩(wěn)定性及可驗證性。

    3.超越主觀感受與印象分析層面，科學(xué)梳理文學(xué)史長時段中存在的特征、規(guī)律、關(guān)聯(lián)性問題。比如陸游詩近萬首，詞自中唐產(chǎn)生而歷經(jīng)各代，他或它們的題材、修辭、風(fēng)格變化軌跡究竟如何，數(shù)者之間的關(guān)系怎樣？通過對一個作家或一類作品的“深度學(xué)習(xí)”（計算語言學(xué)專業(yè)術(shù)語），發(fā)揮其文本比對、關(guān)聯(lián)分析等技術(shù)優(yōu)勢，追蹤挖掘以往不曾注意到的跡象或線索，以期提高文學(xué)經(jīng)典研究的可靠性與科學(xué)性。

三

    利用大數(shù)據(jù)技術(shù)研究中國古代文學(xué)，對學(xué)術(shù)發(fā)展和學(xué)科建設(shè)的意義是明顯的，特別體現(xiàn)在研究范式與思維方式的革新。

    傅斯年認為，“凡一種學(xué)問能擴張他所研究的材料便進步，不能的便退步”。大數(shù)據(jù)技術(shù)可以實現(xiàn)相關(guān)研究史料的全覆蓋，是對以往研究資料的極大擴充。目前研究中普遍存在的檢索依賴會造成史料的類型遮蔽，特別是反證材料的遮蔽。檢索依賴也會導(dǎo)致對史料的解讀脫離歷史語境，無數(shù)孤零零的沒有歷史氣息的材料斷片的組合，無法反映真實的歷史場域中的問題。文學(xué)研究者接受的信息如果是非全息的，文史研究的科學(xué)性和有效性必然值得懷疑。全數(shù)據(jù)分析模式拋棄了隨機性的樣本研究模式，讓研究者具有“上帝視角”，重視對事情整體系統(tǒng)的感知，又強調(diào)基于全數(shù)據(jù)的細節(jié)化，提高認知的精確度，是一種理想的學(xué)術(shù)研究模式。

    傳統(tǒng)的文獻材料彼此間基本上呈現(xiàn)出相對明顯的線性關(guān)系，可以找到前因后果，進而形成相對完整和自洽的因果鏈。大數(shù)據(jù)時代面對的只是具有相關(guān)性的海量數(shù)據(jù)，幾乎不可能找到每個數(shù)據(jù)的微觀因果鏈，如果堅持因果路徑，將陷入無窮無盡的因果關(guān)系之中而茫然無措。因此，大數(shù)據(jù)時代不必非得知道現(xiàn)象背后的原因，而是讓數(shù)據(jù)自己發(fā)聲。對思想、情感和藝術(shù)為主體的古典文學(xué)學(xué)科而言，強調(diào)差異性、變異性和獨特性的相關(guān)性分析方法比因果性分析方法可能具有更強的裁斷力。

    大數(shù)據(jù)技術(shù)的興起，使數(shù)據(jù)采集、存儲和處理極大地智能化、自動化?！叭珨?shù)據(jù)模式”將與問題相關(guān)的數(shù)據(jù)一網(wǎng)打盡，最大限度地擺脫客觀條件局限造成的以局部論全部，問題可以得到更系統(tǒng)、更全面、更整體的刻畫，從而得到更精確、更徹底的解決。這是數(shù)據(jù)化帶來的一種嚴(yán)格意義上的整體論，將使思維方式從還原性思維走向整體性思維。

    歷史與邏輯、事實與價值的統(tǒng)一是人文社科研究的基本方法，大數(shù)據(jù)時代的研究尊重全體材料、重視量化分析和兼顧所有關(guān)系，這將有助于促進人文學(xué)科的研究由“解釋性”向“求是性”轉(zhuǎn)向。隨著人的思想、情感、心理的數(shù)據(jù)化，人文學(xué)科的研究對象也能夠?qū)崿F(xiàn)數(shù)據(jù)化，可以通過數(shù)據(jù)挖掘、數(shù)據(jù)分析和數(shù)據(jù)建模來進行研究，這樣人文學(xué)科也就由以往被認作非科學(xué)的學(xué)科躋身于科學(xué)成員的大家庭中，進而發(fā)展出人文科學(xué)。

    總之，大數(shù)據(jù)思維為人文社科研究的變革與創(chuàng)新帶來了千載難逢的歷史機遇，正如美國康奈爾大學(xué)教授杰弗里·漢考克（Jeffrey T. Hancock）所說：“這是社科研究的一個全新時代，就好比顯微鏡的誕生對化學(xué)科學(xué)發(fā)展所起到的促進作用?！?/p>

    需要指出的是，古典文學(xué)研究中新技術(shù)手段的應(yīng)用需要充分依靠計算機科學(xué)和統(tǒng)計學(xué)的專業(yè)技術(shù)，在尚缺乏此類技術(shù)力量的今天，必然會促進學(xué)術(shù)研究人力資源的整合，倒逼跨學(xué)科合作研究的開展。但文學(xué)性問題的提出和分析處理不可能完全交給機器，也就不可能完全交給技術(shù)專家。相反，從問題的設(shè)置到語料的選取再到分析結(jié)果的解讀、意義的闡釋、體系的建構(gòu)等，都將由古代文學(xué)和文獻學(xué)相關(guān)領(lǐng)域高水平的專家學(xué)者完成。

    （作者：劉石，系清華大學(xué)人文學(xué)院教授；孫茂松，系清華大學(xué)計算機科學(xué)與技術(shù)系教授）