肖天久，刘 颖

(清华大学 中国语言文学系，北京 100084)



基于聚类和分类的金庸与古龙小说风格分析

肖天久，刘 颖

(清华大学 中国语言文学系，北京 100084)

该文以金庸与古龙的小说作为语料，从计算风格学的角度考察二人的风格差异。对比了两人小说的文本从众性、句子破碎度，同时，使用文本聚类的方法对词和词类的N元文法，标点符号的N元文法以及多种特征的总体情况进行了考察，还使用主成分分析和文本分类对八种特征从总体上进行了比较，结果证实金庸与古龙小说风格存在较大差异：金庸小说从众性大于古龙，较多使用俚语方言，口语性更强，同时在语法结构、短语结构、文本节奏以及文本可读性和语言变化程度上也有较大的差异。

计算风格学；N元文法；聚类；分类；句子破碎度

1 引言

计算风格学是数理语言学的一个分支。不同于传统的风格学研究主要以读者内省为基础，通过对文中的句子、词语，乃至篇章的感悟、归纳来提炼作者和作品的风格,计算风格学主要是以定量的方式利用文本中可以量化的语言结构特征来对文本风格和作者写作习惯进行研究，其理论基础是认为文本的语言结构特征表现了作者个人在写作活动中的言语特征，是作者个人风格不自觉的深刻反映，并且这些特征又可以在一定程度上通过数量特征来进行刻画。

从计算风格学的角度对文本的语言风格进行考察，有两个最为重要的问题：一是语言特征的选择，这些语言特征一般是要求可以量化并且是稳定出现的；……