2019獨(dú)角獸企業(yè)重金招聘Python工程師標(biāo)準(zhǔn)>>>

2013 年 7 月初，某位美國(guó)教授接到了一通來(lái)自大西洋對(duì)岸的電話，話筒另一端的陌生人請(qǐng)他破解一道謎題。一周內(nèi)，他成為了鎂光燈的焦點(diǎn)，所有的國(guó)際報(bào)導(dǎo)都是他的消息。這很像丹．布朗筆下的情節(jié)，寫(xiě)成小說(shuō)搞不好還能賣(mài)出幾百萬(wàn)冊(cè)。但這是真人真事，主角并非《達(dá)文西密碼》的羅伯．蘭登，而是派崔克．卓拉；卓拉的研究領(lǐng)域不是象征符號(hào)學(xué)而是「文本計(jì)量分析」，而這次他要研究的對(duì)象也不是天主教教會(huì)，而是 J. K. 羅琳。卓拉是資工系教授，專(zhuān)長(zhǎng)是用計(jì)算機(jī)分析文本來(lái)推斷作者身分，《星期日泰晤士報(bào)》的記者請(qǐng)他調(diào)查一本新小說(shuō)，書(shū)名叫《杜鵑的呼喚》，作者是羅勃．蓋布瑞斯。這位作家是個(gè)文壇菜鳥(niǎo)，他在英國(guó)皇家憲兵隊(duì)服役多年后開(kāi)始創(chuàng)作推理小說(shuō)。然而，記者手上握有情報(bào)，據(jù)說(shuō)根本沒(méi)有蓋布瑞斯這個(gè)人，這本書(shū)真正的作者其實(shí)就是大名鼎鼎、寫(xiě)下《哈利波特》的 J. K. 羅琳。這是真的嗎？卓拉接下了這個(gè)案子，不到三十分鐘，計(jì)算機(jī)就給出了充分的證據(jù)來(lái)支持這項(xiàng)情報(bào)。但卓拉能證明這本書(shū)是羅琳寫(xiě)的嗎？不能，不過(guò)他愿意賭一把，于是他將分析結(jié)果對(duì)外公布。當(dāng)年的 7 月 13 日，盡管不甘愿，羅琳終于承認(rèn)那是她的作品。

每個(gè)人獨(dú)一無(wú)二的創(chuàng)作指紋

羅琳說(shuō)，她用「羅勃．蓋布瑞斯」的筆名創(chuàng)作，是因?yàn)樗仨氁傺b成文壇新人，才能得到最真實(shí)的評(píng)價(jià)，否則大家在閱讀之前早有成見(jiàn)。如果你像她一樣曾經(jīng)賣(mài)出過(guò)五億本《哈利波特》，就知道在聚光燈或放大鏡底下創(chuàng)作有多困難。所以，她能不能請(qǐng)大家拿掉濾鏡、忽略她的名聲，認(rèn)真客觀地評(píng)價(jià)她的小說(shuō)？或許不能──除非她冒充成其他人。但羅琳發(fā)現(xiàn)，在自己的作品出版以后，要?jiǎng)?chuàng)造一個(gè)新身分就沒(méi)那么簡(jiǎn)單了。所以她特別挑選了不同的類(lèi)型、不同的讀者、不同的題材和不同的情節(jié)，為的就是要讓自己「心里的那個(gè)家伙」能夠順利創(chuàng)作；而且如蓋布瑞斯所說(shuō)，她要「像個(gè)男人」。她這次是為成人讀者而寫(xiě)，不再是青少年小說(shuō)。盡管她刻意使用了不同的語(yǔ)匯，但羅琳發(fā)現(xiàn)，一個(gè)人實(shí)在很難改變或隱藏她的創(chuàng)作指紋。多年來(lái)累積的「作者分析」與「文本計(jì)量分析」都指出，我們每個(gè)人都有獨(dú)一無(wú)二的創(chuàng)作指紋或文字風(fēng)格。就算羅琳想要放棄自己的風(fēng)格、刻意使用「羅勃．蓋布瑞斯」的筆觸寫(xiě)作，文字里還是有一些丟不掉的習(xí)慣和模式。卓拉的計(jì)算機(jī)才花幾分鐘就偵測(cè)了到這些模式，而這都是我們平常容易忽略的小細(xì)節(jié)，像是介系詞、代名詞和標(biāo)點(diǎn)符號(hào)的使用，這些便造就了一個(gè)作家的寫(xiě)作風(fēng)格。若要分析數(shù)千本小說(shuō)的風(fēng)格，這工程就比研究第一句話來(lái)得復(fù)雜多了。實(shí)際上，我們的風(fēng)格分析要先從收集數(shù)千種寫(xiě)作特征開(kāi)始，這些寫(xiě)作特征都是很普遍的字，像是「of」、「the」、「and」、「a」、「but」等。此外，我們也收集了語(yǔ)法、句長(zhǎng)、標(biāo)點(diǎn)、人稱(chēng)等信息，以及作者最常使用的動(dòng)詞、名詞、形容詞和副詞。

為了找出這些寫(xiě)作特征，我們計(jì)算了每一本書(shū)各種字詞的使用頻率。以《達(dá)文西密碼》為例，丹．布朗大概每一百字里會(huì)用到七次定冠詞「the」；但葛里遜在《黑色豪門(mén)企業(yè)》里每一百字內(nèi)使用到「the」的次數(shù)不到六次。如果你拿這兩位作者的書(shū)讓我們盲測(cè)，我們從定冠詞的密集度就可以很有把握地辨別作者身分。在戈馬克．麥卡錫的《長(zhǎng)路》里，「and」是使用頻率第二高的字（最高的是定冠詞「the」）；第三高則是「he」，每一百字內(nèi)會(huì)出現(xiàn)四次。代名詞「she」在《長(zhǎng)路》中雖鮮少出現(xiàn)，每?jī)汕ё植懦霈F(xiàn)一次，但「she」是《杜鵑的呼喚》里使用頻率第七高的字，每一百字內(nèi)出現(xiàn) 1.5 次。在安東尼．杜爾的二戰(zhàn)小說(shuō)里，男、女主角戲份一樣重要，而「his」和「her」在書(shū)中的使用頻率也一樣高（約一百字內(nèi)出現(xiàn)一次）；但是在諾拉．羅伯特的《最后一任男友》里，「her」的使用頻率是「his」的兩倍。羅伯特不常用到第二人稱(chēng)「you」，但尼可拉斯．史帕克的《手札情緣》和亞當(dāng)．強(qiáng)森的《沒(méi)有名字的人》都經(jīng)常提到「you」（史帕克每一百字以?xún)?nèi)使用了 1.3 次，強(qiáng)森則是 1.4 次）。這些細(xì)節(jié)看似瑣碎，但就像人的指紋，微小卻很重要。

我們的模型檢視著每一塊打造風(fēng)格的磚頭──不只是為小說(shuō)奠基的磚塊，還包括了凝聚磚塊的水泥──然后讓我們看到這些字如何出現(xiàn)或消失在所有小說(shuō)里。當(dāng)我們一塊一塊檢視這些磚頭時(shí)，可以用最微觀的角度去理解作者的風(fēng)格──他用了多少逗號(hào)、多少冒號(hào)、多少刪節(jié)號(hào)，還有各種名詞、介系詞、代名詞與連接詞的使用頻率。我們可以從分析結(jié)果看出最常見(jiàn)的基本動(dòng)詞如「did」和「want」、最常見(jiàn)的基本名詞如「man」和「woman」，以及各種常見(jiàn)的形容詞和副詞的出現(xiàn)頻率。在這個(gè)層次，我們討論的風(fēng)格差異并不是指句子要寫(xiě)成「彼得要求用那種常見(jiàn)的園藝工具，可以去蕪存菁的那種設(shè)備」，還是「彼得說(shuō)圓鍬就是好用的鏟子」；我們要說(shuō)的是，透過(guò)文本計(jì)量分析，我們可以很快地知道第一句話有幾個(gè)定冠詞、幾個(gè)介系詞、幾個(gè)量詞，而這些字詞的使用頻率和第二句話有什么差別。第一句話里面的冠詞、代名詞和介系詞就是風(fēng)格的表現(xiàn)，因?yàn)樵绞怯鼗氐木渥釉叫枰嘟Y(jié)構(gòu)上的支撐。而作者的文字風(fēng)格便可以經(jīng)由計(jì)算寫(xiě)作特征的頻率被推斷出來(lái)，所以當(dāng)羅琳下筆的時(shí)候，不管她用的名字是「J. K. 羅琳」或「羅勃．蓋布瑞斯」，都還是會(huì)透露出她特有的風(fēng)格記號(hào)。我們把數(shù)千本小說(shuō)輸入到暢銷(xiāo)書(shū)量表，并設(shè)定程序注意風(fēng)格的基本元素，計(jì)算機(jī)就會(huì)發(fā)現(xiàn)暢銷(xiāo)書(shū)作者一貫的風(fēng)格，以及重復(fù)出現(xiàn)的模式。事實(shí)上，我們只要輸入 491 個(gè)最常出現(xiàn)的單字和標(biāo)點(diǎn)符號(hào)，計(jì)算機(jī)就有 70% 的機(jī)率可以正確判斷一本書(shū)是暢銷(xiāo)書(shū)還是冷門(mén)書(shū)；縱使只輸入 148 種寫(xiě)作特征，計(jì)算機(jī)的準(zhǔn)確率還是可以高達(dá) 68%。而這只是用最常見(jiàn)的文法類(lèi)單字和標(biāo)點(diǎn)符號(hào)來(lái)預(yù)測(cè)分析，還沒(méi)有加入名詞、形容詞、動(dòng)詞、語(yǔ)法和句型等數(shù)據(jù)。

當(dāng)我們研究計(jì)算機(jī)模型的分析結(jié)果，并仔細(xì)觀察計(jì)算機(jī)模型辨識(shí)出的暢銷(xiāo)作家寫(xiě)作特征，我們開(kāi)始發(fā)現(xiàn)幾個(gè)令人著迷的現(xiàn)象。首先來(lái)看一些比較概略的發(fā)現(xiàn)：助動(dòng)詞「do」在暢銷(xiāo)書(shū)里出現(xiàn)的機(jī)會(huì)是冷門(mén)書(shū)的兩倍，而暢銷(xiāo)書(shū)里出現(xiàn)「very」的頻率只有冷門(mén)書(shū)的一半。威廉．史壯克和 E. B. 懷特曾在寫(xiě)作入門(mén)課本《英文寫(xiě)作風(fēng)格的要素》里批評(píng)「很」這個(gè)字是「寄生在文藻池塘里的水蛭」，相信他們也會(huì)認(rèn)同這個(gè)分析結(jié)果。至于否定縮寫(xiě)「n’t」在暢銷(xiāo)書(shū)里出現(xiàn)的頻率則是冷門(mén)書(shū)的四倍。各類(lèi)型的縮寫(xiě)在暢銷(xiāo)書(shū)里都很常出現(xiàn)，盡管高中老師看了可能會(huì)搖頭，覺(jué)得這種寫(xiě)法不夠正式，但縮寫(xiě)很適合大眾文學(xué)，因?yàn)閿⑹抡Z(yǔ)調(diào)會(huì)因此變得比較親切、真誠(chéng)、現(xiàn)代，可以贏得讀者的信賴(lài)。說(shuō)書(shū)人不管是用第三人稱(chēng)或第一人稱(chēng)，都必須要讓讀者有真實(shí)感，才會(huì)愿意繼續(xù)讀下去。暢銷(xiāo)書(shū)里情態(tài)助動(dòng)詞的縮寫(xiě)「-’d」出現(xiàn)頻率是冷門(mén)書(shū)的十二倍，人稱(chēng)動(dòng)詞的縮寫(xiě)「-’re」或「-’m」則是冷門(mén)書(shū)的五倍。我們幾乎可以聽(tīng)到詩(shī)人威廉．華茲華斯在墳里大喊著：「沒(méi)錯(cuò)，就是這樣！語(yǔ)言就是要貼近老百姓！」當(dāng)代暢銷(xiāo)書(shū)顯然很服從華茲華斯的指示。其他比較不正式的書(shū)寫(xiě)方式也很受到讀者喜愛(ài)，像「okay」在暢銷(xiāo)書(shū)里的比例高三倍；經(jīng)典文學(xué)作品中通常不會(huì)有「ugh」這個(gè)字，但在暢銷(xiāo)書(shū)里卻很常見(jiàn)。此外，暢銷(xiāo)書(shū)里的人物也比較愛(ài)問(wèn)問(wèn)題，我們發(fā)現(xiàn)上榜的小說(shuō)里面問(wèn)號(hào)比較多，但是驚嘆號(hào)就不見(jiàn)得了，驚嘆號(hào)是暢銷(xiāo)書(shū)的反指標(biāo)。暢銷(xiāo)作家都曉得「沒(méi)燈了！樓梯要垮了！搞不好有鬼！」只會(huì)惹惱讀者；兩個(gè)驚嘆號(hào)的「我愛(ài)你！！」還不如「我愛(ài)你。」原文來(lái)源至：http://partner.henkel.com.cn/local/index.php

刪節(jié)號(hào)在正式文書(shū)里通常代表刪除或省略的文字，但在暢銷(xiāo)小說(shuō)里卻不這么用，而是用來(lái)描述斷斷續(xù)續(xù)的想法或?qū)υ?#xff0c;讀者通常會(huì)自行腦補(bǔ)。「他又穿了那件燕尾服，胡渣還沒(méi)刮。老天爺……」大部分的讀者不需要其他的標(biāo)點(diǎn)符號(hào)或單字就知道「老天爺」在這里不是禱告詞。我們閱讀的樂(lè)趣之一，就是在碰到刪節(jié)號(hào)時(shí)會(huì)覺(jué)得自己和說(shuō)書(shū)人更加貼近，而暢銷(xiāo)小說(shuō)常用刪節(jié)號(hào)就是因?yàn)閯h節(jié)號(hào)可以創(chuàng)造出人物與讀者的默契──這招讀者很買(mǎi)單。我們得承認(rèn)，對(duì)我們這種嗜字如命的人來(lái)說(shuō)，數(shù)據(jù)分析實(shí)在太迷人。你可以想象我們?nèi)⒅粡埓箅娮颖砀?#xff0c;手上捧著咖啡，沒(méi)想到「thing」這個(gè)詞在暢銷(xiāo)書(shū)里出現(xiàn)的頻率是冷門(mén)書(shū)的六倍。其他文字愛(ài)好者一定也會(huì)坐在那里苦思良久，和我們一樣納悶像是「thing」這樣瑣碎的小字怎么能當(dāng)做暢銷(xiāo)書(shū)的指標(biāo)。但這份文字研究不光是滿足我們文字宅的癡念，而是真的要解開(kāi)暢銷(xiāo)書(shū)密碼，這些數(shù)據(jù)可以告訴我們哪些書(shū)能大賣(mài)。想象一個(gè)女人緣極差的男人在酒吧里，對(duì)身旁的朋友說(shuō)他的新戰(zhàn)術(shù)是同時(shí)和五個(gè)女生約會(huì)。他朋友把啤酒給嗆了出來(lái)，然后開(kāi)口。朋友的響應(yīng)可能有兩種：

「如果你約完會(huì)還能活下來(lái)我會(huì)很驚訝！」

或者：

「哦，如果你約會(huì)完還能活下來(lái)，那我會(huì)很驚訝。」

哪一種聽(tīng)起來(lái)比較自然、比較生動(dòng)？很顯然地，第二種。請(qǐng)注意一下這些細(xì)微調(diào)整后語(yǔ)調(diào)和語(yǔ)域的明顯變化。第二句話用句點(diǎn)和「哦」取代第一句話的驚嘆號(hào)，呆板的語(yǔ)氣就立刻生動(dòng)了起來(lái)。我們注意到驚嘆號(hào)在暢銷(xiāo)書(shū)里出現(xiàn)得少，而這個(gè)例子便讓我們看出來(lái)句尾少了驚嘆號(hào)之后，語(yǔ)調(diào)可以更微妙。贏得市場(chǎng)佳績(jī)的作品里面，句號(hào)比較常見(jiàn)，分號(hào)和冒號(hào)則相對(duì)少見(jiàn)。這些細(xì)微的寫(xiě)作特征或許沒(méi)辦法一一拿出來(lái)說(shuō)明，但整體來(lái)看，寫(xiě)作特征形成了一個(gè)顯著的模式，建構(gòu)出暢銷(xiāo)小說(shuō)的語(yǔ)調(diào)和語(yǔ)域。當(dāng)作者選擇用「I’d」來(lái)取代「I would」，或用「you’re」取代「you are」，這個(gè)決定遠(yuǎn)比我們想象的還要重要。在暢銷(xiāo)小說(shuō)里，形容詞和副詞比較少見(jiàn)，尤其是形容詞，這表示暢銷(xiāo)書(shū)里的句子比較簡(jiǎn)潔，沒(méi)有無(wú)謂的贅字。句子不需要靠額外的子句來(lái)裝飾，名詞也不必一再修飾。動(dòng)詞在暢銷(xiāo)書(shū)里出現(xiàn)的次數(shù)比較多，但動(dòng)詞旁邊也不需要拖著可愛(ài)的副詞。暢銷(xiāo)書(shū)里的句子不是俗氣的圣誕樹(shù)，帶著刺眼的顏色，掛著燈泡、彩帶、天使和星星的重量；最好是一棵讓人一看就很放松療愈的冷杉。

轉(zhuǎn)載于:https://my.oschina.net/u/4024424/blog/2987551

與50位技術(shù)專(zhuān)家面對(duì)面20年技術(shù)見(jiàn)證，附贈(zèng)技術(shù)全景圖

總結(jié)

以上是生活随笔為你收集整理的短短30分钟!计算机轻松判断J. K. 罗琳隐姓埋名写新作的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。