數字人文（Digital Humanity）旨在以數御文，是一種交叉學科研究方法，學者用各類數字技術探索人文、社科現象，得出量化結果并將其進行可視化呈現。在世界范圍內，自羅伯特·布薩（Roberto Busa）編纂托馬斯·阿奎那的著作索引始，數字人文研究經歷了由無到有、由少到多的演變，在英美學界相關雜志陸續誕生，相關項目層出不窮，名稱和定位也經歷了由人文計算（Humanities computing）到數字人文的改變。究其大略，其演進與計算機技術的發展呈正相關關系，90年代起私人電腦的廣泛普及促進了其研究的豐富，近些年人工智能技術的熱潮，更對其有推波助瀾之勢。

在中國，錢鍾書先生獨具只眼，最早察覺之，授意并助力在社科院啟動相關研究。2000年以后，國內相關研究日漸豐富起來，相關會議陸續召開、有關公眾號和雜志陸續誕生。如今，數字人文方法在歷史學界、社會學界應用較廣，常通過gephi、metlab等數字工具構建社會網絡，從而理解歷史潮流大勢走向。而具體到文學研究領域，這種研究方法的應用尚且有限。

談到數字人文方法在文學界的應用，我們不妨戲仿韋勒克的觀念，將其分為外部研究與內部研究。所謂外部研究，指的是通過社會網絡分析法，將作家生平、交游、空間走向等可視化，通過作家的外部數據分析，可以了解作家的接受程度，以及它與后代讀者、研究者之關系。外部研究依賴于相關數據的整理工作，例如，布朗大學的“WOMAN WRITERS PROJECT”項目，致力于收集和整理收集了16世紀至19世紀中葉被忽視的女性創作或合著的作品，這類工作也被稱為“數字檔案館”。

而數字人文的文學研究有一個更有魅惑力的領域——數字化“內部研究”，可以對于文本進行內部分析，不妨稱之為“量化新批評”，也可對于某些詞匯和語篇的歷史變化進行分析，不妨稱之為“量化概念史”，它最終會幫助發現一段歷史的文學內部構型，與傳統研究法有頗多可對話之處。毫無疑問的是，此類研究非常依賴于相關工具的成熟，本文將介紹幾類國外的相關軟件工具，呈現國外此類研究的樣貌和走勢，以期為國內相關研究提供參照。

“WordHorad”是一款文學語言分析軟件，它的開發者將他們的行為稱為“在解鎖語言的寶藏”，的確，通過高度標記化的語料數據，以及對這些數據分布規律的發掘，我們可以獲得觀察這些虛構文學文本的另一只眼睛。“WordHoard”主要通過關鍵詞提取和互相呈現的方法，對文學文本進行研究，在“WordHoard”的官方示例中，它展示了一些有趣的案例，例如“love”一詞的研究，它在喬叟、莎士比亞等人那里呈現的不同拼寫特點，在不同的歷史時期有著不同的分布規律，通過對“love”進行統計，研究者得出了很有趣的結論：在各類敘事文本中，愛被男性說出的次數多于女性，在喜劇類文本中，被女性說出的次數則是男性的三倍，這一結果揭示了“love”的文本秘密，愛要怎么說出口？這非常值得文學史家的重視和進一步分析。

案例還提供了關于4位大作家的語言統計表——

通過這樣的表格可以發現，荷馬、喬叟、斯賓塞、莎士比亞的風格與他們所處時代的變遷得到了一種獨特的呈現，通過主題詞的變遷，我們能夠窺見不同時代的文學主題與不同作家的文本主題，達成對一位作家語言無意識的理解。就名詞而言，在莎士比亞的所有文本中，愛是出場率第四高的名詞，只有主（lord）、人（man）和先生（sir）三個詞出場率高于愛，而其他三位作家所使用的最高頻名詞則沒有愛（love），無論莎士比亞是偉大的愛情謳歌者，還是偉大的愛情質疑者，愛都是其一個重要表現和反思主題。

谷歌是人工智能領域的領頭羊，而谷歌圖書中收錄的大量書籍，谷歌搜索中存在的大量網頁文字數據，以及谷歌學術中的學術文字記錄，都為構建這樣一個龐大的語料庫有所助益。它出品的在線工具“Google Ngram viewer”主要基于谷歌圖書的語料庫，方便展現不同語詞在歷史上的整體變化。通過輸入想要查找的關鍵詞，便可以看到在相關語料中，隨著歷史發展，相關詞語的變化趨勢。例如，筆者將時間限定為1940-2000年，鍵入孔子、孟子、老子、莊子、朱熹等中國歷代思想家，可以發現，它們歷年在數據庫中的權重變化，這一數據顯示，孔子無疑是最有熱度的思想家，與學者和相關論者的思想勾連也最為密切。

再如，可以選取幾位當代作家，如莫言、余華、王朔，觀察自1980年代以來，在紙質書數據庫中他們的權重走勢。

可見，這些走勢也值得文學史家的注意，如果加入更多的比較維度，無疑會誕生更多有趣的研究成果。

21世紀，自人工智能技術得到了重要突破后，自然語言處理（NLP）相關技術得到了突飛猛進，如今大數據、人工智能等關鍵詞人盡皆知，而機器翻譯、語音識別、人機對話等功能也在手機端得到了廣泛的應用，我們的日常生活常常與它糾纏為一體。自然語言處理技術對文學產生了一定影響，促生了引發廣泛爭議的“機器人寫詩”現象，引得無數文學從業者困惑于詩歌的邊界，也引得諸多哲學家討論人類與機器的邊界。另一方面，自然語言處理技術對文學研究也產生了很多介入的可能。

建立在自然語言處理基礎上的相關研究，為文學研究提供了新的可能。“NLTK”全稱為"Natural Language Toolkit"，是賓夕法尼亞大學發布的自然語言處理工具，幾乎是聲名最為響亮的處理工具，它需要通過計算機python語言來操作和使用，該模塊中包含了大量的語料資源，如《圣經》、莎士比亞的《哈姆雷特》等多部戲劇、簡·奧斯丁的小說、惠特曼的詩集等，除此之外，它也包含路透社的新聞文檔、美國總統的演講集、一些電影劇本原文、網友的網絡論壇聊天記錄，其文本含量不可謂不豐富，源自不同歷史階段的詞語儲備不可謂不全面。而“NLTK”中的內置函數和功能，則有助于深度挖掘文本的表達結構，細致探索其語言模式，詳盡勾勒其語言地貌。例如“similiarity”函數有助于幫助計算詞匯相似度，“len”函數有助于發現文本的復雜程度，“concordance”函數有助于發現某些特定詞匯的上下文等等。

在官方相關示例中，一些獨特的研究結果已經被呈現出來，例如，在不同時代的美國總統演講中，總統想強調的重點自然不同，那么“citizen”和“american”兩詞的使用頻率有什么變化？有關研究人員對其進行了一種可視化呈現。

同樣，也可用它對中文文本進行研究，例如，某些特定的人名在作家魯迅的文本中的分布狀況如何呢？筆者采用python中的nltk模塊繪制了如下分布圖。

眾所周知，魯迅先生自己的求學讀書階段，受章太炎、梁啟超、托爾斯泰等影響深遠，之后與梁實秋、林語堂發生過學術爭論。不過，胡適成了分布最廣泛的人名。

“Gephi”是一款進行網絡分析的軟件，自復雜科學成為學術熱點，復雜網絡圖譜的繪制成為諸多學科中的必備技能，如傳染病網絡、神經網絡、金融網絡、物流網絡等。而“Gephi”可以應用于文學內部研究領域，繪制一部作品內部的語言網絡。例如，通過對魯迅作品中形容詞進行統計分析，可以發現其內部語言網絡。

不過，目前這些軟件大部分集中于英文處理，基于相對完備的英文語料庫，同樣也基于西方世界，尤其是美國在計算機科學方面的領軍地位，和西方世界人文社科學界的前沿視角。而中文語料庫以及建立在其之上的研究板塊，呈現出一種缺失。近些年，作家走走的團隊已經致力于開發中文文本分析的軟件，對文學雜志《收獲》中的文學作品和網絡文學進行分析，并取得了可觀的成果。不過，更值得期待的是這一領域的成果日益豐富，觀點百花齊放，為傳統文學史與文論研究提供了另一種參照。

類似的中文文學文本分析工具還有待豐富。不過，如今自然語言處理技術的發展，人工智能的發展，以及通用人工智能（AGI）的暢想，為這種豐富提供了一種可能，筆者對這樣的一款文學通用軟件做出如下暢想——

首先，它能夠進行基本的詞頻分析，和建立在詞頻以及權重分析上的詞語分布研究，通過它，我們可以發現不同作家和不同時代的文本差異。例如，20世紀20年代中國文學的高頻詞是哪些？與30年代有何不同？京派文學與海派文學可以通過這種方式得到量化的區分嗎？唐宋之爭中的唐詩宋詞，是否存在文本關鍵詞分布的明顯差異？

其次，建立不同的詞典庫，針對不同詞性的分布進行具體分析，這些包含基本的動詞、形容詞、名詞等，也可以通過專門詞典的建立，分析某一類（如文論類，哲學類詞）的分布。例如，魯迅先生最愛用哪些動詞？美學家朱光潛最喜愛引用哪些人名？當代文學理論和文學史類教材里哪些概念出現頻率最高？這些都是饒有趣味的文體。

再次，通過基于lstm原理和tensorflow的操作方式，通過情感計算來探索文本的情感分布奧秘，發現文本的情感曲線和走勢圖，窺探不同作家的情緒世界，不同批評家的情感風格，以及某一時代的讀者群落的精神風貌。韓愈散文的情感走向與南朝駢文有何不同？網絡玄幻小說的情感走向較之傳統武俠小說有何變化？

最后，在目前技術達不到的一些方面，還可做出更豐富的暢想——一款未來軟件，或未來編程語言的模塊，也能總結敘事類型，比較文本語言差異等，讓傳統學者的文學分析功力更有效地施展，讓計算機的研究結果和批評家的研究成果可以達成互為補充的效果。

那么，能否實現一個未來的中文文學研究軟件呢？它的可行性和可能性邊界在何方呢？事實上，除了技術的進步，它還需要有龐大的文學語料庫資源，包含紙質文學與網絡文學作品，包含紙質出版物的文學評論與網友評論，在這一方面，紙質文本高準確率的數字化處理需要完成，版權也成為了某種限制。也許，全知全能型的研究軟件短期還不能實現，或許我們也不期待它出現。而且，在重新審視中國文學與文論變遷上，輔助性較強的軟件絕對可以發揮非常重要的作用。較之于莫萊蒂的遠讀法，新的細讀法仍有其價值，不過它是一種新的細讀法，不妨稱之為數字細讀法或量化細讀法，這樣的讀法在國內剛剛起步，這樣的數據庫等待建立，而這樣一款研究軟件則充滿誘惑。