（一）

有人說，曹雪芹將自身一半的「才華」賦予到林黛玉身上。特別是浪漫悽美的「黛玉之詩」，可以說是曹雪芹的嘔心瀝血之作，有力的襯託了林黛玉容貌傾城、才情絕世的人物形象，是紅樓詩詞藝術的高峰。

在《紅樓夢》中，林黛玉創作的詩詞分為8類：五言律詩、七言律詩、七言絕句、琴曲、七言古風、聯詩、酒令、詞，一共25首，如下表：

利用計量語言學（Quantitative linguistics）的研究方法，去分析這些詩詞，我們可以從一個很特殊的角度，一窺林黛玉人物形象和性格的構成。

（二）

什麼是「計量語言學」呢？

說簡單一點就是利用數理統計的方法研究人類語言：

可能一般讀者很少聽說【計量語言學】這門學科，其實，這門學科無時無刻不在，我們今天在電子設備上使用漢字進行交流，就得益於【計量語言學】。

比如：利用【計量語言學】制定漢字標準，也即教育部頒布的《通用規範漢字表》，將８１０５個漢字，分為三個常用等級：

• 一級：3500個

• 二級：3000個

• 三級：1605個

這都是花費了數十年時間，對數十幾億漢語文本語料庫進行統計得到的，也就是所謂的「字頻（Character frequency ）」：即某個漢字在一定語料中使用(出現)的次數，與樣本總字數的比率。

假設一篇文章有一萬個漢字，漢字「是」是出現了500次，那麼，「是」的字頻計算公式為：

500÷10000×100%=5%

【計量語言學】這門學科建立的的標誌【齊夫定律（Zipf's law）】的發現，也叫做【詞頻分布定律（law of distribution for word frequencies）】。

1949年，美國哈佛大學的語言學家喬治·金斯利·齊夫（George Kingsley Zipf）通過統計一些自然語言發現：

在自然語言的語料庫里，一個單詞出現的頻率與它在頻率表里的排名成反比。所以，頻率最高的單詞出現的頻率大約是出現頻率第二位的單詞的2倍，而出現頻率第二位的單詞則是出現頻率第四位的單詞的2倍。【注2】

這是什麼意思呢？

還是一漢字為例，用最通俗的化來說，還是假設有一篇一萬字的漢語文章，假設出現頻率最高的漢字排名分別是：

1. 的
2. 是
3. 也
4. 我
5. ..
6. ..

n....

根據「齊夫定律」：一個單詞出現的頻率與它在頻率表里的排名成反比，那麼：

• 排名第一「的」字的字頻，就是排名第二的「是」字字頻的2倍，
• 排名第二的「是」字的字頻，就是排名第四的「我」字字頻的2倍。
• 排名第三的「也」字的字頻，就是排名第一「的」字字頻的1/3。
• 排名第四的「我」字的字頻，則是排名第一「的」字字頻的1/4

也即排名為「n」的漢字，「字頻」是排名第一名漢字字頻的1\\n。

從香港中文大學統計的《漢字字頻表》來看，漢字頻率分布基本上是符合齊夫定律的：

世界上最神秘的書籍——伏尼契手稿（Voynich manuscript），用一種十分怪異的文字寫就，這種文字至今沒有破譯，很多人認為伏尼契手稿中的文字毫無意義，只是偽造用來騙錢的偽書。

但是，最新的研究表明，書中的單詞分布符合【齊夫定律】，因此，很有可能書中的文字是記錄某一種人類的未知語言。【注4】

當然，以上所例舉的都是應用很小的一個方面，其目的是讓讀者建立一個初步、淺顯的認識，

【計量語言學】的應用非常廣泛，除了對字、詞的頻率統計，幫助語言信息的計算機化處理以外，還諸如：字辭書編纂和檢索、某一作家語言的修辭手法、語言風格等。

比如：《紅樓夢》後四十回的作者研究也一直用到【計量語言學】，但是結論眾說紛紜：

比如下面兩篇論文認為作者是兩個人：

• 《紅樓夢前八十回和後四十回的詞頻對比研究》【注5】

• 《運用基於統計學建立的數學模型解決《紅樓夢》作者之謎》【注6】

另一篇論文認為作者是一個人：

• 《基於計算機的詞頻統計研究——考證《紅樓夢》作者是否唯一》【注7】

細講的話非常複雜，有興趣的可以自行閱讀原文，還可參閱另一篇綜述性的論文：

• 《紅樓夢》研究中的統計方法綜述【注8】

（三）

【計量語言學】最簡單，也是最喜聞樂見的應用就是「詞雲圖」：

「詞雲圖」的原理很簡單，就是對語料庫中的詞語詞頻進行排名，出現頻率最高的詞越靠中間，當然權重也最高。

北京語言大學胡翠婷對23首林黛玉詩詞進行詞頻統計，用 NiucoData 詞雲統計工具得到「詞雲圖」如下：

可見，林黛玉詩詞中「桃花」是出現頻率最高的詞彙，也就是說「桃花」一詞在黛玉詩詞中具有最重要的意義。

「黛玉葬花」葬的就是桃花，她不忍心桃花隨流水流到污穢之處，遂以花冢而葬。「桃花」的寓意美麗的東西不能長久，暗示這黛玉悲慘的人生結局。

對林黛玉詩詞中的詞性統計數據如下圖：

• 名詞（n）——32%
• 動詞（v） ——31%
• 形容詞（a）——8%
• 副詞（d—）——7%
• 代詞（r）、介詞 （p）、擬聲詞（o）——共22%

對黛玉詩詞中的形容詞進行「情感極性」的量化： 0 代表中性，1 代表正向，-1 代表負向，得到的可視圖如下：

黛玉詩詞中的「消極悲觀」的形容詞占到56%，如：「難、瘦、憔悴、寂寥、淒涼、渺茫」等等：

黛玉詩詞中的副詞分布圖，也可以看出她消極、悲觀的一面，副詞中出現頻率最高的是表示否定的「不」，否定副詞「莫、非」的 頻次也較高。

黛玉詩詞代詞中出現頻率最高的詞是表示疑問的「誰、何、何處」等，反映出黛玉對未來的迷茫之與無奈之感。

黛玉詩詞中動詞詞雲圖權重最高的一個詞，也是一個大大的「否定」——搖頭：

綜上所述，對黛玉詩詞計量研究表明，表示情感上的消極、悲觀、否定、無奈、迷茫的詞彙占了多數，這也印證了林黛玉多愁善感、憂鬱敏感，孤傲卻透著無奈的性格。

-----------------------

參考文獻

1. 劉海濤, & 黃偉. (2012). 計量語言學的現狀、理論與方法. 浙江大學學報(人文社會科學版), 42(2), 178-192.
2. MIT自然語言處理，齊夫定律，form：http://www.52nlp.cn/mit-nlp-second-lesson-word-counting-second-part
3. 香港中文大學，現代漢語字頻統計，form:http://humanum.arts.cuhk.edu.hk/Lexis/chifreq/
4. 維基百科詞條，伏尼契手稿（Voynich manuscript）from：https://zh.wikipedia.org/wiki/%E4%BC%8F%E5%B0%BC%E5%A5%91%E6%89%8B%E7%A8%BF
5. 包辰瑤. (2013). 《紅樓夢》前八十回和後四十回詞頻的對比研究. 湖北科技學院學報(09), 67-68+80.
6. 陳城鈺, 于欣雨, & 蘇世傑. (2019). 運用基於統計學建立的數學模型解決《紅樓夢》作者之謎. 數學學習與研究(07), 17-18.
7. 李國強, & 李瑞芳. (2006). 基於計算機的詞頻統計研究——考證《紅樓夢》作者是否唯一. 瀋陽化工大學學報, 20(4), 305-307.
8. 施政. (2019). 《紅樓夢》研究中的統計方法綜述. 吉林省教育學院學報, v.35;No.457(01), 151-156.
9. 胡翠婷. (2019). 基於詞頻計量統計的林黛玉性格分析. 現代語文, 680(02), 88-94.