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

本文涉及的产品
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介: 自然语言研究一直以来都是计算机研究的一个重要方向。随着大数据时代的到来,人们也越来越关注自然语言这方面的进展。而文学是自然语言这个皇冠上的明珠。人们都拭目以待大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从单纯的破译理论发展到尖端研究

abde22bef8b8d60ca9d6f45be45ed815741e0440

1993年,Tom Stoppard的戏剧《世外桃源》(Arcadia正式上演在这部脑洞大开的戏剧中那些用数据统计进行文学评论的桥段成为圈内人的笑料。剧中位傻乎乎的诗歌教师,Bernard Nightingale嘲笑他的同事用计算机程序来断定一个没有署名的故事出自于劳伦斯(D.H. Lawrence)之手并且还得意的指出“在同样的统计基础上,竟然有百分之九十的可能性,Lawrence还撰写了《淘气小威廉》(“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地方报纸)虽然这只是该剧中的几个笑话,但现在突然变得令人“细思恐极”了 随着《新牛津莎士比亚》系列的出版,人们开始了一场关于伊丽莎白时期剧作家身份的讨论


新牛津莎士比亚全集的最新版登上了去年10月份的头条新闻。因为书中指出莎士比亚的44部戏剧作品有17部是和别人共同完成的(相比之下,1986仅列出了8)。 而其中一个出现的人名,马洛(Christopher Marlowe),更让人们兴奋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阴谋论 然而,更吸引人眼球的是得出这个论断背后的技术。人们已不再是根据编辑观察等传统的方式,而是通过计算分析来做出这样的结论。 那么今天的数据语言学家是如何在不受作者影响力的前提下,弄清楚作者与作品的关系的呢 同时我们更需要思考为什么做到这点很重要


计算机和人类可以通过一些“附加词”来识别是不是莎士比亚的作品,如他会经常在自己的作品中使用 “gentle”, “answer”, “beseech”, “tonight” 显然这种方法来判断是不是莎翁作品已经变得不那么准确了,因为那时候的作家常常会模仿其他人的行文风格 早期的剧作家是非常紧密的一个团体,而与此同时16世纪的观众似乎并不是很在意作品的独创性《帖木儿》(Tamburlaine),马洛的一部非常受欢迎的戏剧,当时被许多人模仿衍生出各种续作。以至于当时著名的剧作家本·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?就是我生命中北极星,阿比盖尔!“)


如果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!“)


在这种相互影响的情况下,电脑如何能够分辨出马洛和莎士比亚本人的作品以及他们作品中相互借鉴的区别?根据《新牛津莎士比亚》的编辑,其中的关键在于“功能词”, 就是 to”或“a”这类能够为句子提供语法支撑的单词。 他们的理论认为作家们都会无意识地以自己独特的方式使用这些词。 例如,莎士比亚经常把“and”与 with”连在一起用 - 克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“缓慢而庄严得出现在他们面前”( “Appears before them, and with solemn march。Goes slow and stately”) 因此即使作家们试图模仿他人的写作风格,功能词的使用仍然能够揭示他们真实的身份。 通过分析作家如何使用那些功能词,计算机可以初步地识别他们独特的语言指纹。


在莎士比亚作品的研究中,能够获知作品作者,作品内容以及写作时间是非常关键的,通过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,主要原因还是那些与他合作的作家并不是非常出色。尽管计算机模型不是绝对准确的,但是以证据而非作品质量来判定作品的归属还是令人信服的。


其次,正确的作品归属让我们更好的了解戏剧作品本身。 当我们打开一部历史戏剧作品的第一页,就像开始了一部关于这段历史的电影。 由于《亨利六世》第二章的大部分可能是马洛撰写的,这就打破了这个历史剧作的统一性。 马洛更多的表现出对普通百姓角色(比如低调的杰克·凯德)的兴趣,而不是那些无所不能的君主;相反, 莎士比亚更喜欢“国王之死”类似的故事。 知道同一部作品出自他们两人之手,了解到其中的争议和共生,我们可以更好地理解戏剧本身。


据《新牛津莎士比亚》编辑之一加布里埃尔·埃根(Gabriel Egan)所说,归因模型越来越准确,主要的原因就是“计算机研究人员越来越多地将研究精力转向自然语言,而自然语言研究是计算机发展方向中最难的问题之一 。“在《世外桃源》中,Bernard Nightingale曾坚持认为”你不能把拜伦的思想放进笔记本电脑里“。但就现在的情况来看,他的观点仍然可能是正确的。 在控制测试中,即使像《新牛津莎士比亚》所使用的高级模式,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工具之一。因为它有着学术的客观性,只是之前人们在莎士比亚研究领域很少用到。


以上为译文

本文由北邮@爱可可-爱生活 老师推荐,阿里云云栖社区组织翻译。

文章原标题《Revenge of the maths mob - Why literature is the ultimate big-data challenge》,由《经济学人》发布。

译者:friday012 ;审校:主题曲(身行)

文章为简译,更为详细的内容,请查看原文原文文本也可见附件

相关实践学习
基于MaxCompute的热门话题分析
Apsara Clouder大数据专项技能认证配套课程:基于MaxCompute的热门话题分析
相关文章
|
1月前
|
数据可视化 搜索推荐 大数据
基于python大数据的北京旅游可视化及分析系统
本文深入探讨智慧旅游系统的背景、意义及研究现状,分析其在旅游业中的作用与发展潜力,介绍平台架构、技术创新、数据挖掘与服务优化等核心内容,并展示系统实现界面。
|
2月前
|
数据采集 人工智能 分布式计算
ODPS在AI时代的发展战略与技术演进分析报告
ODPS(现MaxCompute)历经十五年发展,从分布式计算平台演进为AI时代的数据基础设施,以超大规模处理、多模态融合与Data+AI协同为核心竞争力,支撑大模型训练与实时分析等前沿场景,助力企业实现数据驱动与智能化转型。
262 4
|
2月前
|
JSON 大数据 API
巧用苏宁易购 API,精准分析苏宁易购家电销售大数据
在数据驱动的电商时代,精准分析销售数据能助力企业优化库存、提升营销效果。本文详解如何利用苏宁易购API获取家电销售数据,结合Python进行数据清洗与统计分析,实现销量预测与洞察提取,帮助企业降本增效。
59 0
|
16天前
|
存储 SQL 分布式计算
终于!大数据分析不用再“又要快又要省钱”二选一了!Dataphin新功能太香了!
Dataphin推出查询加速新功能,支持用StarRocks等引擎直连MaxCompute或Hadoop查原始数据,无需同步、秒级响应。数据只存一份,省成本、提效率,权限统一管理,打破“又要快又要省”的不可能三角,助力企业实现分析自由。
126 49
|
18天前
|
存储 并行计算 算法
【动态多目标优化算法】基于自适应启动策略的混合交叉动态约束多目标优化算法(MC-DCMOEA)求解CEC2023研究(Matlab代码实现)
【动态多目标优化算法】基于自适应启动策略的混合交叉动态约束多目标优化算法(MC-DCMOEA)求解CEC2023研究(Matlab代码实现)
|
21天前
|
数据采集 数据可视化 关系型数据库
基于python大数据的电影数据可视化分析系统
电影分析与可视化平台顺应电影产业数字化趋势,整合大数据处理、人工智能与Web技术,实现电影数据的采集、分析与可视化展示。平台支持票房、评分、观众行为等多维度分析,助力行业洞察与决策,同时提供互动界面,增强观众对电影文化的理解。技术上依托Python、MySQL、Flask、HTML等构建,融合数据采集与AI分析,提升电影行业的数据应用能力。
|
1月前
|
数据可视化 大数据 数据挖掘
基于python大数据的招聘数据可视化分析系统
本系统基于Python开发,整合多渠道招聘数据,利用数据分析与可视化技术,助力企业高效决策。核心功能包括数据采集、智能分析、可视化展示及权限管理,提升招聘效率与人才管理水平,推动人力资源管理数字化转型。
|
1月前
|
机器学习/深度学习 搜索推荐 算法
基于python大数据的口红商品分析与推荐系统
本研究基于Python大数据技术,构建口红商品分析与推荐系统,旨在解决口红市场产品同质化与消费者选择困难问题。通过分析颜色、质地、价格等多维度数据及用户行为,实现个性化推荐,提升购物体验与品牌营销效率,推动美妆行业数字化转型,具有重要现实意义与市场价值。
|
11天前
|
机器学习/深度学习 传感器 分布式计算
数据才是真救命的:聊聊如何用大数据提升灾难预警的精准度
数据才是真救命的:聊聊如何用大数据提升灾难预警的精准度
79 14
|
2月前
|
机器学习/深度学习 运维 监控
运维不怕事多,就怕没数据——用大数据喂饱你的运维策略
运维不怕事多,就怕没数据——用大数据喂饱你的运维策略
82 0

热门文章

最新文章