隨便輸數(shù)字 就可“寫宋詞”

　　一位學(xué)習(xí)統(tǒng)計(jì)學(xué)的網(wǎng)友，利用所學(xué)將《全宋詞》中出現(xiàn)的99個(gè)“高頻詞匯”統(tǒng)計(jì)出來，發(fā)在博客上。沒想到，這篇博文很快就被大量轉(zhuǎn)載，并有網(wǎng)友利用這些高頻詞匯重新“寫詞”。圓周率、生日、身份證號碼都可以組成一首形式上的“宋詞”。

　　在江漢大學(xué)剛剛舉辦的“詩詞吟誦暨詩歌大賽頒獎會”上，不少學(xué)生討論這個(gè)話題。真的存在網(wǎng)友說的“自動寫詞機(jī)”嗎?

　　《全宋詞》中的99個(gè)高頻詞匯

　　話題的“始作俑者”是一位學(xué)習(xí)統(tǒng)計(jì)學(xué)的研究生，網(wǎng)名“yixuan”，他在博客上發(fā)表一篇文章：“突然想看看宋詞里面什么樣的意象是比較常見的，比如可以做個(gè)頻率分析什么的。當(dāng)然文本挖掘需要分詞，我沒法在其中花太多時(shí)間，于是想出了一個(gè)土辦法。”

　　宋詞的句子都很短，比較常見的詞語一般是兩三個(gè)字，這樣可能的組合就更少了。比如“猶解嫁東風(fēng)”這句話，可能的二字組合是“猶解”“解嫁”“嫁東”“東風(fēng)”，三字組合是“猶解嫁”“解嫁東”“嫁東風(fēng)”，詞的字?jǐn)?shù)越多，可能的組合就越少。

　　“yixuan ”統(tǒng)計(jì)出99個(gè)《全宋詞》中的高頻詞匯。排在前面的依次為“東風(fēng)(1382次)、何處(1230次)、人間(1202次)、風(fēng)流(857次) 、歸去(812次、)春風(fēng)(802次)、西風(fēng)(779次)、歸來(771次)、江南(765次)。

　　“yixuan ”的這篇博文一發(fā)出來，很快就被另外一家網(wǎng)站轉(zhuǎn)載，大量網(wǎng)友被這個(gè)有趣的話題吸引，紛紛發(fā)帖評論。

　　高頻詞匯被演繹成“自動寫詞機(jī)”

　　在大量評論后面，一位名叫“達(dá)芬奇的雞蛋”發(fā)現(xiàn)，利用這些“高頻詞匯”的代碼，可以隨意拼湊出一首首宋詞來。比如用“圓周率”的數(shù)字排序，結(jié)果就是：回首明月(一看就是抒情詩)

　　悠悠心事空

　　西湖何事寂寞中

　　風(fēng)吹斜陽匆匆

　　芳草平生斜陽

　　風(fēng)吹寂寞今日

　　一枝富貴年年

　　斷腸長安不知

　　一時(shí)間，眾多網(wǎng)友用自己的身份證號碼、各種數(shù)字組合來“寫宋詞”。如網(wǎng)友“葉綠彘”的“作品”是：“東風(fēng)何處?人間風(fēng)流。歸去春風(fēng)，西風(fēng)歸來。江南相思，梅花千里�；厥酌髟�，多少如今?闌干年年萬里，一笑黃昏當(dāng)年……”

　　記者用多位同事的身份證號碼、生日號碼等，套用這些代碼，果然也能產(chǎn)生出一首首有模有樣的“宋詞”。

　　原意不是為了“寫詞”

　　看到帖子被大量轉(zhuǎn)發(fā)，“yixuan ”在自己的博客上又寫了一篇解釋，他說，“自動寫詞機(jī)”并不是我的創(chuàng)意，也不是我的初衷。

　　“yixuan ”說：“我學(xué)的專業(yè)是統(tǒng)計(jì)和精算，平時(shí)會和各種類型的數(shù)據(jù)打交道，之前寫那篇博文也是出于興趣，想利用學(xué)到的專業(yè)知識來對一些實(shí)際問題進(jìn)行分析。”

　　他說，很多人肯定都會提到“自動寫詞機(jī)”，就比如拿生日、QQ、物理常數(shù)等套用里面的排序來“寫詞”。但我想說的是，這其實(shí)不是我的創(chuàng)意，也不是我寫那篇博文的初衷。如果大家看過那篇轉(zhuǎn)帖，就會發(fā)現(xiàn)大家開始“狂歡”是因?yàn)?ldquo;達(dá)芬奇的雞蛋”的創(chuàng)意，而詞頻統(tǒng)計(jì)本身并沒有任何特殊之處。

　　事實(shí)上，大家可能聽說過“文本挖掘”這個(gè)名詞，它就是對文本數(shù)據(jù)進(jìn)行分析，來得到有用的結(jié)論。文本挖掘是個(gè)很復(fù)雜的過程，牽涉到分詞、詞頻統(tǒng)計(jì)、特征選擇、聚類等等，如果大家對這一塊內(nèi)容有所了解的話，就會知道詞頻統(tǒng)計(jì)是一個(gè)很平凡的過程。

　　“yixuan”說：可能有些朋友覺得我得到宋詞的詞頻是一件技術(shù)含量很高的活兒，但從技術(shù)層面上來講，我做的那些東西也并無任何高級之處(當(dāng)然需要有一些編程經(jīng)驗(yàn))。

　　只是一個(gè)文字游戲

　　這99個(gè)“高頻”詞匯真的有那么神奇?昨天，武漢大學(xué)文學(xué)院博導(dǎo)王兆鵬教授看了后評論說：“這只是一個(gè)文字游戲”。

　　王兆鵬說，漢語語言中，詩詞的語序不需要確定性，同時(shí)漢語語言具有多義性。很多詞語組合起來，都可以說得通。比如我們說“吃飯”大家能聽懂，但說“飯吃”，也能理解是怎么回事。

　　從嚴(yán)格意義上說，通過這99個(gè)編碼做成的“詞”，平仄完全不符合要求，也不符合詞牌的要求。但形式上挑不出什么毛病，也有一點(diǎn)詞的味道。

　　王兆鵬說，宋詞是一種文學(xué)藝術(shù)，講究獨(dú)創(chuàng)性和意境，讀者通過讀詩詞能夠看到里面的意境，這是藝術(shù)。“如果寫詞這么容易，那誰都可以寫詞了。”

　　不過，王兆鵬也認(rèn)為“yixuan ”的做法很有創(chuàng)意，“能從這么多詞中總結(jié)出99個(gè)高頻詞匯，是需要花功夫的，也說明這個(gè)學(xué)生很努力，這是一個(gè)比較高級的文字游戲，雖然談不上有什么文學(xué)意義。”

　　中南財(cái)經(jīng)政法大學(xué)統(tǒng)計(jì)與數(shù)學(xué)學(xué)院博導(dǎo)李占風(fēng)教授說，利用統(tǒng)計(jì)學(xué)原理確實(shí)可以在詩詞等文學(xué)作品中，做一些研究工作，這位學(xué)生學(xué)以致用，值得表揚(yáng)。