黃瑋 冉啟斌

內(nèi)容提要：本文收集了《蝶戀花（庭院深深深幾許）》等六首作者存在爭議的作品所涉及作者的其他作品作為訓(xùn)練語料，經(jīng)過分詞和特征提取后，使用樸素貝葉斯分類器學(xué)習(xí)作者特征，隨后對爭議作品進行作者判斷。判斷結(jié)果詳細顯示了各首爭議作品的作者可能性，除《生查子·元夕》外，其余判斷結(jié)果與文獻考證的契合度較高。本文還收集了三組唐朝并稱詩人——“元白”“皮陸”“小李杜”的作品，使用樸素貝葉斯分類器進行作者判斷，取得了較好的效果，進一步驗證了該方法在作者檢測上的有效性。

關(guān)鍵詞：作者爭議 作品風(fēng)格特征 樸素貝葉斯分類器 古詩詞

引言

古代文學(xué)作品中存在不少作者有爭議的情況。以往面對這些爭議，研究者主要基于文獻證據(jù)和主觀經(jīng)驗來判斷，缺乏比較客觀的參數(shù)衡量。進入19世紀(jì)，隨著生產(chǎn)力的不斷發(fā)展，數(shù)學(xué)等相關(guān)工具也逐漸被應(yīng)用到作者識別研究中。①

Mendenhall較早嘗試量化作品的風(fēng)格特征，使用詞譜和特征曲線對莎士比亞的戲劇等不同作品進行作者歸屬判斷。②隨后又有學(xué)者從特殊詞出現(xiàn)的頻率和分布特征、功能詞的頻率、詞匯量等角度衡量作品的風(fēng)格特征，判斷作者的歸屬。③在國內(nèi)也有不少學(xué)者采用量化作品風(fēng)格的方式對中文作品展開研究，并且研究方法和研究對象具有多樣性和廣泛性，既有傳統(tǒng)的模型，也有新開發(fā)的模型，既有對古典詩詞、小說等的研究，也有對現(xiàn)當(dāng)代散文、微博等的研究。

胡俊峰等較早采用計算語言學(xué)的方法提取了唐宋詩中的詞匯，總結(jié)詞匯的共現(xiàn)關(guān)系、對仗關(guān)系以及詞匯的作者分布特征信息，開發(fā)了基于詞匯的統(tǒng)計分析和詩句相似性檢索等功能。④易勇等基于機器學(xué)習(xí)的樸素貝葉斯算法等方法，對詩詞文本采用向量空間模型表示，首次提出了中國古代詩人李白和杜甫作品判別的計算模型，獲得較高的判別準(zhǔn)確度。⑤胡韌奮等基于樸素貝葉斯和支持向量機算法構(gòu)造文本分類器，提出唐詩題材自動分類模型。①祁瑞華系統(tǒng)地介紹了作者身份識別的原理、算法和應(yīng)用等一系列問題，并做了中文微博作者身份、作者性別識別實驗。②范亞超等采用降噪自編碼器深度模型提取吳承恩、王廷陳、薛蕙等人詩詞的文本結(jié)構(gòu)特征，再采用支持向量機分類器進行作者識別，并進一步將該方法應(yīng)用于《西游記》詩詞的作者識別中。③張航等將雙向循環(huán)神經(jīng)網(wǎng)絡(luò)運用到中文古詩詞風(fēng)格分類中，構(gòu)建了基于深度神經(jīng)網(wǎng)絡(luò)的中文古詩詞文本分類模型，提高了分類效果。④陳汝嫣采用定量研究方法，提取魯迅和周作人多篇散文的“語言指紋”，通過N-gram和依存關(guān)系建立分類模型，推測篇章歸屬。⑤宋麗等采用假設(shè)檢驗、文本聚類、文本分類、波動風(fēng)格計量等方法考察《水滸傳》的寫作風(fēng)格，為其作者身份認(rèn)定提供參考。⑥周愛等提出了一種雙通道的集成模型完成唐詩作者身份識別任務(wù)。⑦周睿等采用應(yīng)用計量風(fēng)格學(xué)的研究范式來判定《醒世姻緣傳》的作者歸屬。⑧

在中國古典詩詞中，有的作品由于編者訛誤或作者風(fēng)格相近等原因，常常產(chǎn)生作者歸屬的爭議問題。例如《蝶戀花》（庭院深深深幾許），分別出現(xiàn)在馮延巳和歐陽修的作品集中，但由于年代久遠，真相已經(jīng)不可考證，后世學(xué)者也大多是從作者的創(chuàng)作背景、任職經(jīng)歷和讀者的主觀感受等方面來推斷作品的作者歸屬，常常各執(zhí)一言，難有定論。對于這些詩詞作者爭議，從機器學(xué)習(xí)方面做出回應(yīng)的研究還比較少見。

本文擬集中分析《蝶戀花》（庭院深深深幾許）等六首通常被認(rèn)為作者有爭議的作品，通過收集爭議所涉及作者的其他作品作為訓(xùn)練語料，經(jīng)過分詞和特征提取后，使用樸素貝葉斯分類器來判斷爭議作品的作者歸屬，希望對相關(guān)爭議提供一定參考。本文還有一項補充實驗，即收集三組唐朝并稱詩人——“元白”“皮陸”“小李杜”的作品，在訓(xùn)練樸素貝葉斯分類器以后對作品進行作者判斷，以檢測本文所用方法的有效性。

一實驗材料

（一）詩詞作者爭議情況

本文要分析的六首作者有爭議的詩詞是：《蝶戀花》（庭院深深深幾許）、《蝶戀花》（簾幕風(fēng)輕雙語燕）、《生查子·元夕》（去年元夜時）、《菩薩蠻》（哀箏一弄湘江曲）、《題白云樓》（西北樓開四望通）、《清明》（清明時節(jié)雨紛紛）。下面簡單梳理一下這六首作品的作者爭議問題。

歐陽修的大部分艷情詞，風(fēng)格和藝術(shù)手法與南唐詞相近，《蝶戀花》（庭院深深深幾許）既見于馮延巳《陽春集》，又見于歐陽修詞集。⑨該詞的作者，在朱彝尊、汪森《詞綜》和周濟《詞辯》中作馮延巳，在張惠言《詞選》中作歐陽修。①《全宋詞》沒有收錄該詞，認(rèn)為是五代時期馮延巳所作，曾昭岷等編的《全唐五代詞》也認(rèn)為是馮氏之作。②而于此之外，很多論者據(jù)李清照之說將該詞定為歐陽修之作，“因為李清照是現(xiàn)在所能見到的最早提到這首詞的古人”③。

《蝶戀花》（簾幕風(fēng)輕雙語燕）的作者也有爭議，曾慥《樂府雅詞》將該詞收錄在歐陽修名下，況周頤《歷代詞人考略》認(rèn)為該詞為晏殊所作。④明代詞選如《類編草堂詩余》《天機余錦》等多將該詞歸為晏殊，后世學(xué)者也多默認(rèn)該詞為晏殊所作。⑤

《生查子·元夕》一詞見于《歐陽文忠集》，明代楊慎《詞品》將該詞定為朱淑真所作，毛晉刊刻《斷腸詞》又承襲楊慎做法將該詞歸為朱氏。⑥但是，唐圭璋以清代《池北偶談》《四庫提要》等為證據(jù)論證該詞為歐陽修所作，認(rèn)為楊慎將該詞歸為朱淑真是失誤。⑦胡云翼也提供《樂府雅詞》《蕙風(fēng)詞話》等證據(jù)證明該詞為歐陽修所作。⑧在后世學(xué)者的研究中，也還沒有定論。

《菩薩蠻》（哀箏一弄湘江曲）的作者是晏幾道還是張先也有爭議。張先和晏殊齊名，風(fēng)格與南唐李氏父子和馮延巳相似，而晏幾道的詞風(fēng)又深受晏殊的影響，所以三人的《菩薩蠻》容易混淆。⑨王鵬運?？薄恫萏迷娪唷?、黃蘇《蓼園詞選》、李文林《詩余協(xié)律》認(rèn)為該詞為張先所作，清末朱祖謀輯?！缎∩皆~》則將該詞歸為晏幾道。⑩吳熊和、沈松勤校注的《張先集編年校注》引用唐圭璋的《張子野詞跋》也認(rèn)為該詞為晏幾道所作。

吳在慶校注的《杜牧集系年校注》將《題白云樓》編在《集外詩一》內(nèi)。吳在慶指出，該詩可能是并非杜牧親作的“集外詩＂，并且《四部叢刊》景宋本《丁卯集》（許渾作）也收有該詩，題作《漢水傷稼》。因而，該詩常被視作許渾所作。鈴木修次等根據(jù)“復(fù)句”的使用情況認(rèn)定該詩應(yīng)為許渾所作。王輝斌從詩題、任職經(jīng)歷、旁詩證據(jù)等方面論證該詩并非許渾所作，而是杜牧所作。在后來的研究中，也沒有定論。除《題白云樓》外，《清明》也被《杜牧集系年校注》收在“集外詩”中，該詩的作者到底是杜牧、許渾還是宋祁，也有一定爭議，但流傳甚廣的說法是杜牧所作。

可見，傳統(tǒng)上對詩詞作者的認(rèn)定比較依賴于研究者的主觀經(jīng)驗，大多從作品內(nèi)容和作者經(jīng)歷等方面著手，結(jié)合文獻記載進行論證，而采用機器學(xué)習(xí)的辦法對上述詩詞的作者進行判斷的研究還比較少見。本文分別收集了上述詩詞所涉作者一定數(shù)量的作品作為訓(xùn)練材料，通過機器學(xué)習(xí)的方式形成各作者的特征集合，然后將六首有爭議的詩詞分別放入分類器中進行作者判斷。具體方法見后文。

（二）詩詞數(shù)據(jù)集

本文把檢測作者爭議所用到的詩詞文本材料統(tǒng)稱為詩詞數(shù)據(jù)集。詩詞數(shù)據(jù)集中包含詩詞訓(xùn)練語料和詩詞測試語料。詩詞測試語料主要就是上文所述的六首作者存在爭議的詩詞作品，其次是后文補充實驗中所用到的三組唐朝并稱詩人的作品，這部分測試語料后文再介紹。

詩詞訓(xùn)練語料包含我們收集的各位作者的作品，其中歐陽修、馮延巳、晏殊和朱淑真的作品各3980字，晏幾道和張先的作品各9312字，體裁均為詩和詞；杜牧、許渾和宋祁的作品各5040字，體裁為七律和七絕，不包括五言詩。詩詞訓(xùn)練語料和測試語料的情況如表1所示（補充實驗的訓(xùn)練語料見后文；測試語料文本見附錄）。

需要說明的是，本文盡可能多地收集各位作者的作品，但由于機器學(xué)習(xí)對訓(xùn)練文本的長短比較敏感，因此，在收集語料時只能適應(yīng)作品較少的作者。例如，朱淑真流傳下來的作品，相對于歐陽修、馮延巳和晏殊來講是比較少的，因此只能從后三者的作品中篩選一部分出來組成和朱淑真作品字?jǐn)?shù)相當(dāng)?shù)恼Z料；而晏幾道和張先流傳下來的作品都比較多，因此這一組的訓(xùn)練語料字?jǐn)?shù)較多。此外，訓(xùn)練語料和測試語料中均已將標(biāo)點符號刪除，并以簡體漢字形式存儲。

二實驗方法

（一）文本預(yù)處理

與英文等以空格標(biāo)記詞語邊界的文字系統(tǒng)不同，中文的詞語之間一般沒有專有的區(qū)分標(biāo)記，因而分詞是中文文本處理的一項基礎(chǔ)技術(shù)。目前常見的中文分詞方法主要有基于詞典的字符串匹配方法、基于概率計算的統(tǒng)計方法，近年來，基于卷積神經(jīng)網(wǎng)絡(luò)、雙向長短時記憶網(wǎng)絡(luò)、雙向門限循環(huán)單元、BERT預(yù)訓(xùn)練模型等的深度學(xué)習(xí)方法也逐漸興起。①

本文采用的分詞方法為jieba分詞②。jieba分詞結(jié)合了字符串匹配分詞和統(tǒng)計分詞，不僅實現(xiàn)了隱馬爾可夫模型和Viterbi算法，還支持自定義詞典，具有較高的實用性和便捷性。需要說明的是，jieba分詞主要是面向現(xiàn)代漢語的分詞方法，在古代漢語分詞上的效果略遜于專門用于古漢語處理的自然語言處理包。①本文采用jieba分詞，一方面是考慮到它的便捷性，另一方面也考慮到詩詞中某些多字詞和詞組在詩詞中大量使用或已經(jīng)具有特定的意象意義，使用面向現(xiàn)代漢語的分詞工具也比較合理。胡韌奮等在探究唐詩題材的自動分類時采用的是面向現(xiàn)代漢語的NLPIR/ICT?CLAS2014分詞系統(tǒng)，張航等在探討詩詞風(fēng)格分類技術(shù)時采用的是面向現(xiàn)代漢語的jieba分詞工具。②

文本分詞的具體操作，以歐陽修、馮延巳這一組為例：在Python3.7中導(dǎo)入jieba庫，并分別讀取歐陽修和馮延巳的訓(xùn)練語料，然后分別使用jieba.cut（）命令得到歐陽修和馮延巳訓(xùn)練語料的分詞結(jié)果，以備下一步使用。

（二）特征提取

作者在創(chuàng)作過程中通常會在字符、詞匯、句法和語義等方面表現(xiàn)出一定的風(fēng)格特征。③本文采用的特征提取方法是一種基于詞語的特征提取方法，構(gòu)建了一個簡單的“詞袋模型”。具體來講，就是將兩位作者作品分詞所得的詞語列表分別輸入Python，Python對輸入的每個詞語進行遍歷，將其作為字典中的鍵，對應(yīng)的值均為“True”，最終返回一個包含所有詞語及其對應(yīng)值的Python字典。該字典表示的是一種二元特征集，即如果文本中出現(xiàn)了某個詞語，則該詞語在字典中的值為“True”，否則為“False”。

（三）訓(xùn)練樸素貝葉斯分類器

在得到兩位作者作品的特征集以后，需要使用這些特征集訓(xùn)練一個分類器。本文采用NLTK庫④中的樸素貝葉斯分類器（Na?ve Bayes Classifier）模塊來完成特征學(xué)習(xí)。樸素貝葉斯分類器以樸素貝葉斯算法為基礎(chǔ)。

為了讓樸素貝葉斯分類器學(xué)習(xí)到更多的特征和它們對應(yīng)的標(biāo)簽，進而提高分類器的準(zhǔn)確性，在訓(xùn)練時，將分別貼有兩位作者標(biāo)簽的特征集合并到一起以后放入分類器中。在這個過程中，分類器會學(xué)習(xí)到每個特征與其對應(yīng)的標(biāo)簽（即作者）之間的關(guān)系，并將這些信息用于預(yù)測未知數(shù)據(jù)的標(biāo)簽。

對分類器完成訓(xùn)練以后，將測試語料分詞、提取特征并輸入到分類器中，分類器將估測輸入的數(shù)據(jù)屬于每個類別的概率，并輸出測試語料屬于某一位作者的可能性。

三實驗結(jié)果

（一）作者爭議檢測結(jié)果

根據(jù)上述檢測方法，本文分別檢測了各首有爭議作品的作者可能性，結(jié)果如表2所示。需要說明的是，由于《清明》可能涉及的作者有杜牧、許渾和宋祁三位，本文分別用杜牧與許渾的作品、杜牧與宋祁的作品、許渾與宋祁的作品訓(xùn)練了三個分類器來檢測該詩的作者。

檢測結(jié)果顯示，《蝶戀花》（庭院深深深幾許）的作者是馮延巳的可能性為62.50%，是歐陽修的可能性為37.50%，也就是在馮延巳、歐陽修二人中，馮延巳是該詞作者的可能性更大?！兜麘倩ā罚ê熌伙L(fēng)輕雙語燕）的作者為歐陽修的可能性大于晏殊，《生查子·元夕》的作者為朱淑真的可能性大于歐陽修，《菩薩蠻》（哀箏一弄湘江曲）的作者為晏幾道的可能性遠遠大于張先，《題白云樓》的作者為許渾的可能性大于杜牧。

對于《清明》來講，不論是在杜牧與許渾之間，還是在杜牧與宋祁之間，均是作者為杜牧的可能性更大，而在許渾與宋祁之間則是作者為許渾的可能性更大。也就是說，在這三人中，杜牧最有可能是《清明》的作者，許渾居其次，宋祁則最不可能是《清明》的作者。由于訓(xùn)練檢測《題白云樓》與《清明》作者的分類器所用的杜牧、許渾訓(xùn)練語料相同，從這個角度來看，也能更加確定《題白云樓》的作者為許渾的可能性更大。此外，我們也測試了許渾和宋祁為《題白云樓》作者的可能性，結(jié)果顯示許渾為70.00%，宋祁為30.00%、從杜牧、許渾、宋祁三者之間的檢測結(jié)果也可以看出，杜牧和許渾之間的風(fēng)格特征更為相似，而宋祁與前兩者之間的相似程度還比較低。劉克莊《后村詩話》認(rèn)為：“樊川有《續(xù)別集》三卷，十八九是許渾詩?！雹倏梢姸拍梁驮S渾的詩作向來比較容易混淆。

本文的檢測結(jié)果與相關(guān)詩詞的文獻考證結(jié)果有同有異。

《蝶戀花》（庭院深深深幾許）的作者在文獻中是有爭議的，后世多依據(jù)李清照的說法將之定為歐陽修所作。本文的檢測結(jié)果表明，該詞更有可能是馮延巳所作，即支持《詞綜》《詞辯》《詞選》《全唐五代詞》等文獻的看法。

《蝶戀花》（簾幕風(fēng)輕雙語燕）在兩宋之際的曾慥所編的《樂府雅詞》中，被歸為歐陽修所作，本文的檢測結(jié)果與之契合?？紤]到曾慥所處時期與歐陽修相近，且曾官至尚書郎，直寶文閣②，他所編的《樂府雅詞》應(yīng)該是比較可信的。王慧敏分析曾慥《樂府雅詞》不選晏殊詞的原因是晏殊詞不符合“雅詞”標(biāo)準(zhǔn)，且曾慥在其自序中特地為歐陽修辯白，并說已經(jīng)刪除了當(dāng)時“小人”所作的謬為歐公詞的艷曲。③可見，曾慥的選詞標(biāo)準(zhǔn)較為嚴(yán)格，并且對待歐陽修的詞頗為慎重。這當(dāng)然也得益于當(dāng)時歐陽修文壇領(lǐng)袖的特殊身份。而認(rèn)為該詞為晏殊所作的文獻，如《類編草堂詩余》《天機余錦》《歷代詞人考略》等，大多著于明清時期，與北宋時期的歐陽修、晏殊相去甚遠，可信度自然低了一些。

本文對《生查子·元夕》的檢測結(jié)果表明該詞作者是朱淑真的可能性更大，這似乎與文獻考證的結(jié)果相左。明代楊慎《詞品》不知是出于何種原因?qū)⒃撛~歸為朱淑真所作，這對于后世對該詞作者的判斷影響較大，同時也引來了不少批評。唐圭璋的論證表明，楊慎是誤將該詞歸為朱淑真所作，并且有其他證據(jù)表明該詞為歐陽修所作。①高廣林評注《詞品》時也說楊慎將該詞歸為朱氏“不知何據(jù)”“考之不精”。②如該詞確為歐陽修所作，那本文的檢測結(jié)果恐怕需要更多解釋。關(guān)于這一問題，后文還要討論。

清末朱祖謀輯校《小山詞》將《菩薩蠻》（哀箏一弄湘江曲）歸為晏幾道③，本文的檢測結(jié)果與之契合。顧寶林認(rèn)為朱祖謀經(jīng)過多道程序的校正勘定，使得《小山詞》的詞籍版本質(zhì)量在前人的基礎(chǔ)上大有增進，為后來唐圭璋先生編纂《全宋詞》掃除了不少障礙。④朱祖謀的《彊村叢書》卷帙浩繁，既?？绷岁處椎赖摹缎∩皆~》，又?？绷藦埾鹊摹稄堊右霸~》，但他并未像同時代的王鵬運?？薄恫萏迷娪唷纺菢訉⒃撛~歸入張先名下，盡管他沒有說明這么做的原因，但應(yīng)該也是有自己的考量。

吳在慶校注的《杜牧集系年校注》將《題白云樓》編在《集外詩一》內(nèi)，認(rèn)為該詩可能是并非杜牧親作的“集外詩”。吳在慶在《杜牧集系年校注》前言中解釋道，書中的集外詩多非杜牧所作，為滿足進一步研究之需才收入。這種處理方式無疑是比較好的，并且他在《杜牧集系年校注》的注釋中也根據(jù)《全唐詩》《丁卯集》等文獻和許渾的任職經(jīng)歷等論證了《題白云樓》并非杜牧所作。⑤盡管王輝斌也從文獻、任職經(jīng)歷等推導(dǎo)出相反的觀點⑥，但吳、王二人終究都沒有十分確鑿的證據(jù)。值得注意的是《清明》一詩，《杜牧集系年校注》也認(rèn)為是“集外詩”，將其編在《集外詩三》內(nèi)，吳在慶解釋道：“盡管今人多有以為非杜牧詩者，然尚意見不一”，并在注釋中舉例闡述了各家爭議，但仍然未有定論。⑦也就是說，關(guān)于《題白云樓》和《清明》這兩首詩的作者爭議，目前各家觀點均無法證實。按照本文對《題白云樓》和《清明》的檢測結(jié)果，許渾是《題白云樓》作者的可能性比杜牧大，而杜牧是《清明》作者的可能性比許渾大。

（二）補充實驗結(jié)果

從對作者爭議的檢測結(jié)果來看，本文采用的方法具有一定的可行性。為進一步考察檢測方法的有效性，我們又分別收集了三組常常并稱的唐朝詩人——“元白”（元稹、白居易）、“皮陸”（皮日休、陸龜蒙）、“小李杜”（李商隱、杜牧）各5040字的作品來訓(xùn)練分類器，進而用其作品進行測試（測試語料文本見附錄），結(jié)果如表3所示。

并稱詩人往往在作品風(fēng)格或成就方面具有一定的相似之處。從表3的檢測結(jié)果可見，本文所用的檢測方法能很好地將上述三組并稱詩人的作品區(qū)別開，驗證了方法的有效性。

四討論

檢測結(jié)果依賴于分類器對訓(xùn)練語料和測試語料詞語的分析和判斷，由于分類器沒有對語義進行分析，并且沒有為檢測語料中不同的詞語賦予不同的權(quán)重，因此檢測結(jié)果具有一定的偶然性。本文檢測結(jié)果顯示，《生查子·元夕》的作者為朱淑真的可能性更大，這與文獻考證的結(jié)果相左。我們使用jieba分詞對《生查子·元夕》分詞以后，在訓(xùn)練語料中人工統(tǒng)計了這些詞語在朱淑真和歐陽修的作品中出現(xiàn)的次數(shù)。表4中列出了統(tǒng)計結(jié)果（在二者作品中出現(xiàn)次數(shù)均為0的詞語沒有列出）。

可以看到，如果從詞頻總數(shù)上看，朱淑真為105次，歐陽修為103次，朱淑真更多一些，這可能是分類器將《生查子·元夕》的作者判斷為朱淑真的影響因素之一。此外，如果從《生查子·元夕》中的主要意象“月、燈”來看，也是朱淑真的作品中出現(xiàn)這兩個詞語的次數(shù)更多。但如果從表示時間、空間的“時、去年、今年、上”等詞語來看，歐陽修的作品中出現(xiàn)的次數(shù)更多，尤其是“今年”，在歐陽修的訓(xùn)練語料中出現(xiàn)了2次，而在朱淑真的訓(xùn)練語料中沒有出現(xiàn)。需要說明的是，樸素貝葉斯分類器本質(zhì)上使用的是一種基于概率的分類算法，總詞頻固然是重要的影響因素之一，但如果一個詞（如“今年”）只出現(xiàn)在歐陽修的訓(xùn)練語料中，而在朱淑真的訓(xùn)練語料中沒有出現(xiàn)，則分類器也會增加將《生查子·元夕》判定為歐陽修所作的可能性?？傊?，朱淑真和歐陽修在用詞上有不少相近之處，也各有支持《生查子·元夕》為其作的理由，而分類器對這些元素所做的取舍對于使用者來講是不夠透明的。此外，朱淑真雖生于仕宦之家，但其夫游宦于淮南、瀟湘，夫妻不諧，“每臨風(fēng)對月，觸目傷懷，皆寓于詩，以寫其胸中不平之氣”①，而《生查子·元夕》又多有抑郁感傷之情。在這些因素的影響下，無論是機器還是人，對作者的判斷無疑都是比較困難的。

結(jié)語

本文集中分析了六首作者有爭議的作品，收集了爭議所涉及作者的其他作品作為訓(xùn)練語料，經(jīng)過分詞和特征提取以后，通過訓(xùn)練樸素貝葉斯分類器來判斷爭議作品的作者歸屬。結(jié)果顯示，《蝶戀花》（庭院深深深幾許）的作者是馮延巳的可能性大于歐陽修，《蝶戀花》（簾幕風(fēng)輕雙語燕）的作者是歐陽修的可能性大于晏殊，《生查子·元夕》的作者是朱淑真的可能性大于歐陽修，《菩薩蠻（哀箏一弄湘江曲）》的作者是晏幾道的可能性大于張先，《題白云樓》的作者是許渾的可能性大于杜牧，《清明》的作者是杜牧的可能性大于許渾和宋祁。此外，對“元白”“皮陸”“小李杜”這三組唐朝并稱詩人作品的檢測結(jié)果驗證了本文所用方法的有效性。

本文采用基于樸素貝葉斯算法的樸素貝葉斯分類器作為作者檢測方法，與傳統(tǒng)的人工比較、考證的方法相比，操作更為便捷，結(jié)果更為客觀。但是，這種方法在使用上也有一些新要求。例如在訓(xùn)練語料的制作上，需要平衡作者之間作品的字?jǐn)?shù)，在訓(xùn)練語料的挑選上，需要選擇作者的典型的、無爭議的作品。為了滿足這樣的要求，只能適應(yīng)作品較少的作者，這也在一定程度上限制了訓(xùn)練語料的規(guī)模。此外，樸素貝葉斯分類器雖然能做出較為準(zhǔn)確的判斷，但給出的可能性還比較低，在進一步改進和提升分類算法以后，將會得到更好的分類效果。在以后的研究中，可以提高文本特征提取能力，使用新的分類算法進行更大規(guī)模的訓(xùn)練與作者判斷。

附錄：測試語料文本

1.《蝶戀花·庭院深深深幾許》：

庭院深深深幾許，楊柳堆煙，簾幕無重數(shù)。玉勒雕鞍游冶處，樓高不見章臺路。

雨橫風(fēng)狂三月暮，門掩黃昏，無計留春住。淚眼問花花不語，亂紅飛過秋千去。

2.《蝶戀花·簾幕風(fēng)輕雙語燕》：

簾幕風(fēng)輕雙語燕。午后醒來，柳絮飛撩亂。心事一春猶未見。紅英落盡青苔院。

百尺朱樓閑倚遍。薄雨濃云，抵死遮人面。羌管不須吹別怨。無腸更為新聲斷。

3.《生查子·元夕》：

去年元夜時，花市燈如晝。月上柳梢頭，人約黃昏后。

今年元夜時，月與燈依舊。不見去年人，淚濕春衫袖。

4.《菩薩蠻·哀箏一弄湘江曲》：

哀箏一弄湘江曲，聲聲寫盡湘波綠。纖指十三弦，細將幽恨傳。

當(dāng)筵秋水慢，玉柱斜飛雁。彈到斷腸時，春山眉黛低。

5.《題白云樓》（又名《漢水傷稼》）：

西北樓開四望通，殘霞成綺月懸弓。江村夜?jié)q浮天水，澤國秋生動地風(fēng)。

高下綠苗千頃盡，新陳紅粟萬箱空。才微分薄憂何益，卻欲回心學(xué)塞翁。

6.《清明》：

清明時節(jié)雨紛紛，路上行人欲斷魂。借問酒家何處有，牧童遙指杏花村。

7. 元稹《雨聲》：

風(fēng)吹竹葉休還動，雨點荷心暗復(fù)明。曾向西江船上宿，慣聞寒夜滴篷聲。

8. 白居易《歲暮呈思黯相公皇甫郎之及夢得尚書》：

歲暮皤然一老夫，十分流輩九分無。莫嫌身病人扶侍，猶勝無身可遣扶。

9. 皮日休《惠山聽松庵》：

千葉蓮花舊有香，半山金剎照方塘。殿前日暮高風(fēng)起，松子聲聲打石床。

10. 陸龜蒙《丁香》：

江上悠悠人不問，十年云外醉中身。殷勤解卻丁香結(jié)，縱放繁枝散誕春。

11. 李商隱《夜雨寄北》：

君問歸期未有期，巴山夜雨漲秋池。何當(dāng)共剪西窗燭，卻話巴山夜雨時。

12. 杜牧《過華清宮·其一》：

長安回望繡成堆，山頂千門次第開。一騎紅塵妃子笑，無人知是荔枝來。

（黃瑋，南開大學(xué)文學(xué)院博士研究生；冉啟斌，南開大學(xué)文學(xué)院教授）