（一）

有人说，曹雪芹将自身一半的“才华”赋予到林黛玉身上。特别是浪漫凄美的“黛玉之诗”，可以说是曹雪芹的呕心沥血之作，有力的衬托了林黛玉容貌倾城、才情绝世的人物形象，是红楼诗词艺术的高峰。

在《红楼梦》中，林黛玉创作的诗词分为8类：五言律诗、七言律诗、七言绝句、琴曲、七言古风、联诗、酒令、词，一共25首，如下表：

利用计量语言学（Quantitative linguistics）的研究方法，去分析这些诗词，我们可以从一个很特殊的角度，一窥林黛玉人物形象和性格的构成。

（二）

什么是“计量语言学”呢？

说简单一点就是利用数理统计的方法研究人类语言：

可能一般读者很少听说【计量语言学】这门学科，其实，这门学科无时无刻不在，我们今天在电子设备上使用汉字进行交流，就得益于【计量语言学】。

比如：利用【计量语言学】制定汉字标准，也即教育部颁布的《通用规范汉字表》，将８１０５个汉字，分为三个常用等级：

• 一级：3500个

• 二级：3000个

• 三级：1605个

这都是花费了数十年时间，对数十几亿汉语文本语料库进行统计得到的，也就是所谓的“字频（Character frequency ）”：即某个汉字在一定语料中使用(出现)的次数，与样本总字数的比率。

假设一篇文章有一万个汉字，汉字“是”是出现了500次，那么，“是”的字频计算公式为：

500÷10000×100%=5%

【计量语言学】这门学科建立的的标志【齐夫定律（Zipf's law）】的发现，也叫做【词频分布定律（law of distribution for word frequencies）】。

1949年，美国哈佛大学的语言学家乔治·金斯利·齐夫（George Kingsley Zipf）通过统计一些自然语言发现：

在自然语言的语料库里，一个单词出现的频率与它在频率表里的排名成反比。所以，频率最高的单词出现的频率大约是出现频率第二位的单词的2倍，而出现频率第二位的单词则是出现频率第四位的单词的2倍。【注2】

这是什么意思呢？

还是一汉字为例，用最通俗的化来说，还是假设有一篇一万字的汉语文章，假设出现频率最高的汉字排名分别是：

1. 的
2. 是
3. 也
4. 我
5. ..
6. ..

n....

根据“齐夫定律”：一个单词出现的频率与它在频率表里的排名成反比，那么：

• 排名第一“的”字的字频，就是排名第二的“是”字字频的2倍，
• 排名第二的“是”字的字频，就是排名第四的“我”字字频的2倍。
• 排名第三的“也”字的字频，就是排名第一“的”字字频的1/3。
• 排名第四的“我”字的字频，则是排名第一“的”字字频的1/4

也即排名为“n”的汉字，“字频”是排名第一名汉字字频的1\\n。

从香港中文大学统计的《汉字字频表》来看，汉字频率分布基本上是符合齐夫定律的：

世界上最神秘的书籍——伏尼契手稿（Voynich manuscript），用一种十分怪异的文字写就，这种文字至今没有破译，很多人认为伏尼契手稿中的文字毫无意义，只是伪造用来骗钱的伪书。

但是，最新的研究表明，书中的单词分布符合【齐夫定律】，因此，很有可能书中的文字是记录某一种人类的未知语言。【注4】

当然，以上所例举的都是应用很小的一个方面，其目的是让读者建立一个初步、浅显的认识，

【计量语言学】的应用非常广泛，除了对字、词的频率统计，帮助语言信息的计算机化处理以外，还诸如：字辞书编纂和检索、某一作家语言的修辞手法、语言风格等。

比如：《红楼梦》后四十回的作者研究也一直用到【计量语言学】，但是结论众说纷纭：

比如下面两篇论文认为作者是两个人：

• 《红楼梦前八十回和后四十回的词频对比研究》【注5】

• 《运用基于统计学建立的数学模型解决《红楼梦》作者之谜》【注6】

另一篇论文认为作者是一个人：

• 《基于计算机的词频统计研究——考证《红楼梦》作者是否唯一》【注7】

细讲的话非常复杂，有兴趣的可以自行阅读原文，还可参阅另一篇综述性的论文：

• 《红楼梦》研究中的统计方法综述【注8】

（三）

【计量语言学】最简单，也是最喜闻乐见的应用就是“词云图”：

“词云图”的原理很简单，就是对语料库中的词语词频进行排名，出现频率最高的词越靠中间，当然权重也最高。

北京语言大学胡翠婷对23首林黛玉诗词进行词频统计，用 NiucoData 词云统计工具得到“词云图”如下：

可见，林黛玉诗词中“桃花”是出现频率最高的词汇，也就是说“桃花”一词在黛玉诗词中具有最重要的意义。

“黛玉葬花”葬的就是桃花，她不忍心桃花随流水流到污秽之处，遂以花冢而葬。“桃花”的寓意美丽的东西不能长久，暗示这黛玉悲惨的人生结局。

对林黛玉诗词中的词性统计数据如下图：

• 名词（n）——32%
• 动词（v） ——31%
• 形容词（a）——8%
• 副词（d—）——7%
• 代词（r）、介词 （p）、拟声词（o）——共22%

对黛玉诗词中的形容词进行“情感极性”的量化： 0 代表中性，1 代表正向，-1 代表负向，得到的可视图如下：

黛玉诗词中的“消极悲观”的形容词占到56%，如：“难、瘦、憔悴、寂寥、凄凉、渺茫”等等：

黛玉诗词中的副词分布图，也可以看出她消极、悲观的一面，副词中出现频率最高的是表示否定的“不”，否定副词“莫、非”的 频次也较高。

黛玉诗词代词中出现频率最高的词是表示疑问的“谁、何、何处”等，反映出黛玉对未来的迷茫之与无奈之感。

黛玉诗词中动词词云图权重最高的一个词，也是一个大大的“否定”——摇头：

综上所述，对黛玉诗词计量研究表明，表示情感上的消极、悲观、否定、无奈、迷茫的词汇占了多数，这也印证了林黛玉多愁善感、忧郁敏感，孤傲却透着无奈的性格。

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

参考文献

1. 刘海涛, & 黄伟. (2012). 计量语言学的现状、理论与方法. 浙江大学学报(人文社会科学版), 42(2), 178-192.
2. MIT自然语言处理，齐夫定律，form：http://www.52nlp.cn/mit-nlp-second-lesson-word-counting-second-part
3. 香港中文大学，现代汉语字频统计，form:http://humanum.arts.cuhk.edu.hk/Lexis/chifreq/
4. 维基百科词条，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. 包辰瑶. (2013). 《红楼梦》前八十回和后四十回词频的对比研究. 湖北科技学院学报(09), 67-68+80.
6. 陈城钰, 于欣雨, & 苏世杰. (2019). 运用基于统计学建立的数学模型解决《红楼梦》作者之谜. 数学学习与研究(07), 17-18.
7. 李国强, & 李瑞芳. (2006). 基于计算机的词频统计研究——考证《红楼梦》作者是否唯一. 沈阳化工大学学报, 20(4), 305-307.
8. 施政. (2019). 《红楼梦》研究中的统计方法综述. 吉林省教育学院学报, v.35;No.457(01), 151-156.
9. 胡翠婷. (2019). 基于词频计量统计的林黛玉性格分析. 现代语文, 680(02), 88-94.