隨便輸數字 就可“寫宋詞”

　　統計學研究生挖掘99個高頻詞匯編號碼 武大博導說，這只是一個文字游戲

　　一位學習統計學的網友，利用所學將《全宋詞》中出現的99個“高頻詞匯”統計出來，發在博客上。沒想到，這篇博文很快就被大量轉載，并有網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”。

　　在江漢大學剛剛舉辦的“詩詞吟誦暨詩歌大賽頒獎會”上，不少學生討論這個話題。真的存在網友說的“自動寫詞機”嗎？記者展開采訪調查。

　　《全宋詞》中的99個高頻詞匯

　　話題的“始作俑者”是一位學習統計學的研究生，網名“yixuan”，他在博客上發表一篇文章：“突然想看看宋詞里面什么樣的意象是最常見的，比如可以做個頻率分析什么的。當然文本挖掘需要分詞，我沒法在其中花太多時間，于是想出了一個土辦法。”

　　宋詞的句子都很短，最常見的詞語一般是兩三個字，這樣可能的組合就更少了。比如“猶解嫁東風”這句話，可能的二字組合是“猶解”“解嫁”“嫁東”“東風”，三字組合是“猶解嫁”“解嫁東”“嫁東風”，詞的字數越多，可能的組合就越少。

　　“yixuan ”統計出99個《全宋詞》中的高頻詞匯。排在前面的依次為“東風(1382次)、何處(1230次)、人間(1202次)、風流(857次) 、歸去(812次、)春風(802次)、西風(779次)、歸來(771次)、江南(765次)。

　　“yixuan ”的這篇博文一發出來，很快就被另外一家網站轉載，大量網友被這個有趣的話題吸引，紛紛發帖評論。

　　高頻詞匯被演繹成“自動寫詞機”

　　在大量評論后面，一位名叫“達芬奇的雞蛋”發現，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”的數字排序，結果就是：回首明月（一看就是抒情詩）

　　悠悠心事空

　　西湖何事寂寞中

　　風吹斜陽匆匆

　　芳草平生斜陽

　　風吹寂寞今日

　　一枝富貴年年

　　斷腸長安不知

　　一時間，眾多網友用自己的身份證號碼、各種數字組合來“寫宋詞”。如網友“葉綠彘”的“作品”是：“東風何處？人間風流。歸去春風，西風歸來。江南相思，梅花千里。回首明月，多少如今？闌干年年萬里，一笑黃昏當年……”

　　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”

　　看到帖子被大量轉發，“yixuan ”在自己的博客上又寫了一篇解釋，他說，“自動寫詞機”并不是我的創意，也不是我的初衷。

　　“yixuan ”說：“我學的專業是統計和精算，平時會和各種類型的數據打交道，之前寫那篇博文也是出于興趣，想利用學到的專業知識來對一些實際問題進行分析。”

　　他說，很多人肯定都會提到“自動寫詞機”，就比如拿生日、QQ、物理常數等套用里面的排序來“寫詞”。但我想說的是，這其實不是我的創意，也不是我寫那篇博文的初衷。如果大家看過那篇轉帖，就會發現大家開始“狂歡”是因為“達芬奇的雞蛋”的創意，而詞頻統計本身并沒有任何特殊之處。

　　事實上，大家可能聽說過“文本挖掘”這個名詞，它就是對文本數據進行分析，來得到有用的結論。文本挖掘是個很復雜的過程，牽涉到分詞、詞頻統計、特征選擇、聚類等等，如果大家對這一塊內容有所了解的話，就會知道詞頻統計是一個很平凡的過程。

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

　　只是一個文字游戲

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

　　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。

　　從嚴格意義上說，通過這99個編碼做成的“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，也有一點詞的味道。

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

　　不過，王兆鵬也認為“yixuan ”的做法很有創意，“能從這么多詞中總結出99個高頻詞匯，是需要花功夫的，也說明這個學生很努力，這是一個比較高級的文字游戲，雖然談不上有什么文學意義。”

　　中南財經政法大學統計與數學學院博導李占風教授說，利用統計學原理確實可以在詩詞等文學作品中，做一些研究工作，這位學生學以致用，值得表揚。

　　記者翁曉波 實習生 左思琪（原標題：統計學學生挖掘99高頻詞匯 隨便輸數字就可寫宋詞）