浅议统计语言学在作家语言风格研究中实际应用.docVIP

浅议统计语言学在作家语言风格研究中实际应用 　　摘要：统计语言学是应用统计数学的方法来研究语言现象的语言学科，研究领域广泛，学界常常运用统计语言学，通过分析语言单位的出现频率及作家的用词频率、词长分布和句长分布，确定作家的写作风格。通过“判定《静静的顿河》作者”“证明《红楼梦》是否出自一人之手”两个案例可以看出，统计语言学的研究方法在进入文学研究领域后，取得了非常好的实用效果。但是，在实际应用中，除了各类词汇等可控变量，还有其他潜在因素导致统计语言学的结论有时并非绝对精准。通过进行多方面、深层次地原因分析和推断，我们发现，要得到准确的研究结果，必须做好研究的前期准备，要选择具有相似语言环境的语料，要注意避开文学语言的形象思维影响，不能滥用统计语言学研究方法，并在操作过程中严格控制各种变量，以科学的思想指导研究。 　　关键词：统计语言学 语言风格研究 实际应用 　　作为大数据时代语言学研究的一个热点领域，统计语言学（statistical linguistics）属于数理语言学的一个分支，涉及语言学、计算机科学和数学等多个学科门类，是应用数理统计、概率论和信息论等统计数学的方法来研究语言现象的语言学科。 　　一、统计语言学的研究领域 　　相较于自然科学，人文科学的研究多涉及人（包括研究者本人）的大脑，因此很容易导致“自我中心性错误”和“内省性错误”。无论是过多地依赖本人的经验，还是过多地依赖自己的内省来做出判断，都会导致研究缺乏客观性与科学性，其价值是有限的。统计语言学则是倡导用科学的方法进行实验，进而得出结论，“特别注重语言本身的系统性和动态性特点，强调语言描写的真实性和精确性”。 　　从其研究内容看，统计语言学大致可分为语音统计学、词汇统计学、语法统计学和语义统计学，分别研究语言的语音、词汇、语法和语义的统计特征。从其功能看，统计语言学可分为描述统计与推断统计：描述统计的作用是对数据进行整理、归纳和总结，压缩数据，把握其一般性的特征和全貌；推断统计则是根据描述统计提供的结果，进一步对有关联系加以推断。 　　“统计语言学可用来发现语言学内在规律（词频与词排序之间的关系）、常用词和非常用词、词语搭配、短语获取、语言习得、语域变异以及作品风格分析等领域。”可以看到，统计语言学的研究领域广泛，但其中最主要、最熟稔的实际应用，当属通过语言单位的出现频率及作家的用词频率、词长分布和句长分布，确定作家的写作风格。统计语言学进入文学研究领域后，还催生出了另一个学科，即文艺风格学，一种应用现代语言学成果和技术来分析研究文学作品的边缘学科。如苏联学者用该方法研究赫尔岑、屠格涅夫的语言风格，国内也有人用这种方法研究巴金、曹禺、老舍等人的语言风格。 　　二、统计语言学与语言风格研究 　　黎运汉在《汉语风格学》中指出：“语言表现风格是综合运用风格手段的结果，从调音、遣词、择句到设格、谋篇等的风格手段，综合地反映在一篇文章、一部作品，或一种语体，或一个作家的作品，或一个时代的作家的作品，或一个民族的作家的作品里，这就从成了他们各自的表现风格。”换言之，语言风格的差异，正是由于作者使用特定语言单位的频率不同而造成的。于是，通过对语言结构特征的分析，我们可以比较直观地感受到不同文体与不同作者的风格，得出不同作者语言风格的同一性或?^别性特征，而不仅仅是通过一系列描述型的论述，阐述文体或者语言风格问的差异。统计语言学的诞生，使语言单位的出现频率和分布数据变得重要，成为一种彰显作家语言风格的数学特征。 　　运用统计语言学判定作家风格的数学特征，其具体过程是：选取两位作家的公认代表作品作为语料样本，首先对样本进行分词处理，以文本为基本单位计算各类语言要素在文本中所占的频率和百分比，根据两个样本的平均值，比较语言要素分布是否具有差异。一般而言，为了测试数学统计特征是否能够有效辨别不同作家语言风格，还可以选用一个作家的其他作品为语料样本，计算该样本与统计所用语料样本的相关性。 　　鉴于其在判定作家风格方面的显著功效，统计语言学也被成功地运用到“作者考证”这个充满争议的研究领域中。在通过分析匿名文章的写作风格进而判定其真正作者方面，统计语言学也展现出了非常好的应用效果。以往，当某本名著的作者产生争议时，我们只能够凭借经验、历史文献和作家生平记录来进行考证。如今有了统计语言学，我们可以通过严谨的数据分析，提出更有说服力的证据。 　　三、实际应用案例 　　（一）《静静的顿河》的作者纠纷案 　　统计语言学最著名的实际应用，就是成功破解了文学史上关于《静静的顿河》的作者纠纷案。 　　《静静的顿河》在苏联文学史上占有较高的地位。此书全景式地描写了俄国内战时期顿河流域的社会景观，甚至有人将其与《战争与和平》等名著相提并论。然而自从《静静的顿河》第一