给曹雪芹做亲子鉴定——《红楼梦》后40章为续作的铁证！

杨逍逍

　　跟大槐公主聊天，说到了《红楼梦》，大公主坚信这部奇书是由曹雪芹完全创作，不存在续篇。但我大学期间再读红楼时，感觉后半部分的描写明显逊色一筹。粗略的记忆是，前半部分的文字敏感点很丰富，很多人物描写的语言、细节、用词都需要仔细揣摩一番，才能捕捉到人物的心理和性格。比如某某“抢着说”，就要去思考他为什么“抢着”说，想了那么几秒，豁然开朗。另外，前半部分即便叙述一些细小的事件，三五百字之间人物心理、事情发展往往都有些曲折变化，摇曳生姿的多，平铺直叙的少。诸如此类，与后有别。

　　总之，前八十回的文字耐读，叙述有趣，曲径通幽，可以逐字逐句进行精读；后四十回无论摹人叙事，都有一通到底的直白之感。

　　其实，与搜罗考证历史资料、文献相比，通过文笔的差别去判断作者是否统一是最简单直接的思路，因为文字本身就才是最真实的证据。但话说回来，这方面的体验比较个性化，再加上续写者有意的模仿，使得大家更难分辨。因此，我们只能将这种差别作为自己的判断标准，而不能作为呈堂证供让公众去评判。

　　因为被大公主的认真与执着所打动，我昨天重新看了《红楼梦》，决定跟她一起甄别下这个疑案。可惜手机看了半天，看得眼睛发疼，后来想想即使我看完后再洋洋洒洒写一篇前后对比的论文，也不足以直观、充分的证明我的论断，岂不白白费力？既然只是想根据前后行文风格是否相同，确定是否为同一个作者；那么，完全可以通过更科学、更客观、更直观的方式去研究。

　　于是，我决定采用了一种新型的研究方法，利用大数据和概率对《红楼梦》前后全部文字进行分析，并得出极为直观和准确的数据。好比做亲子鉴定，对《红楼梦》各部分文字进行DNA测试、比较，以一目了然的结果来鉴定此事。具体方式如下：

杨逍逍

　　第一步：确定方向

　　我锁定“了、的、一、说、是、着、又、那、便、得、因、可、且、地、但”15个行文中最常用的助词、语气字，尝试对比《红楼梦》前后两部分中这些字的使用规律，看是否接近或统一。

　　我相信，在同一种文字风格的小说中，同一个作者对这些字的使用特征是相同的，在不同部分里肯定有浮动但不可能有较大差别。既然我们无法充分明晰、证实文笔的风格差异，我们就去证实、明晰这些文字的运用差异。

　　我统计的是这些字的使用次数和使用率，而这些，就是作者文字里蕴含的DNA！

杨逍逍

　　第二步：确定方法

　　我计划将共120章的《红楼梦》分为前、中、后40章三部分，分别统计这些字的使用次数和使用率。前、中40章可以确定都是出自曹雪芹笔下，两组数据应该相对接近；通过这两组数据的对比，我们可以获得同一个作者，在不同文字中文字使用数据的浮动范围。

　　后40章是存疑部分，其使用率可与前80章进行对比；同时对比出其与前80章使用数据的浮动范围。如两组使用率具和浮动范围接近，可视为DNA相同，基本确定是同一个作者；如果两者相差较大，可以确定不是出自一人笔下。

　　以上为文字DNA对比的基本逻辑。

杨逍逍

　　第三步：数据统计

　　我在网上下载TXT版本《红楼梦》全文，统计总数字863141个；前40章271939个，中40章314982个，后40章276220。如此庞大的调研基础，完全可以确保相关数据的客观性和真实性。

　　我通过word里“替换”功能，分别得出上述文字在前中后三部分中的使用量，并按大小进行了排序。出乎意料的是，“且、地、但”在清代文字中使用率较低，居然排到倒数三名；而且“地”字加上作为名词在“地上”、“背地”等词语里的应用，也排倒数第二。这三个字因为数量太小，未被我列入正式统计样本。

　　根据文字使用数量，又计算出各个字的使用率。其结果如图：

杨逍逍

　　第四步：前、中40章文字使用率的浮动范围

　　根据上图中的使用数据，让前40章的使用率“除以”中40章的使用率，即可得出不同字的使用浮动范围。

　　通过对比发现，前、中40章里，上述12个字中（后三个数量太小，偶然性较大，剔除），使用率相差上下相差最大的分别是“又”和“那”字；“又”字使用率下浮16.40%，“那”字使用率上浮19.84%。除这两个字外，另外10个字的使用浮动范围都在15%以内。

　　注：考量的主要的是浮动范围，其实所谓上浮并不是前40章比中40章使用率高，而是低。具体数据如图所示：

重磅企鹅

五个一文化工程

杨逍逍

　　第五步：前80章和后40章使用率浮动范围

　　根据基础数据，算出前80章的文字使用率，再跟后40章的进行对比；得出前80章和后40章使用率的浮动范围。

　　通过对比发现，该浮动范围比前、中40章的浮动范围大了很多。“因”字上浮76.06%，“那”字下浮29.16%，12个字中浮动率在15%以内的只有“了”、“的”、“说”三个字。而“了”、“的”是最最常用的汉字，“说”也是对话为主的《红楼梦》中最常用的字。同时，12个字中有6个字（着、又、那、得、因、可）的使用率浮动空间大于20%；4个字（那、得、因、可）使用率浮动空间大于或约等于30%。

　　通过对比发现，后40章中最常见的文字使用规律与前80章中的有极大差别；亦即它们的作者行文习惯有极大不同。

杨逍逍

　　第六步：前80章和后40章文字使用率排名

　　从10个字使用率排名角度分析。前、中40章中所提取12个字使用率排名大致相似，除了“说、是”“着、又”两组使用量接近而发生紧邻的次序调换外（但属于同一梯队），其它8个字的排名相同；这说明前、中40章文字使用习惯相同，DNA大体一致。

　　后40章使用率排名与前、中相差极大，12个字中除了前3名外，其它均无法与前保持一致。这说明该部分文字使用习惯与前两者相差极大，DNA明显不同。

杨逍逍

　　结论：

　　通过科学的文字研究，我们发现曹雪芹所作的前、中40章文字使用规律相近，我们可将此规律视为曹雪芹文字的DNA。后40章与前两者文字使用习惯相差极大，其作者文字DNA与曹雪芹不同。

　　在题裁相同，风格接近，场景相同，人物相同，历史背景相同的同一部小说里，在至少27万字以上的庞大统计基础上，如果作者相同，不可能出现DNA有较大差异的情况。

　　因此可以确定，《红楼梦》前80章与后40章，文字DNA差异较大，不可能是同一个作者！

　　注：本方法采用最直接的证据，最客观的数据分析，仿佛人的“笔迹鉴定”；但因为时间有限，没有增加采样数量，有兴趣的朋友可以分析更多字、词的使用规律作对比，来更准确的鉴定这一结论。

重磅企鹅

大数据处理建模是关键
嫡出耶庶出耶，拭目以俟

杨逍逍

重磅企鹅 发表于 2022-5-25 12:04
大数据处理建模是关键
嫡出耶庶出耶，拭目以俟

天王老子说是同一人，我也不服啊！

重磅企鹅

杨逍逍 发表于 2022-5-25 12:05
天王老子说是同一人，我也不服啊！

作者有木有汉族和满族之分呢

杨逍逍

重磅企鹅 发表于 2022-5-25 12:11
作者有木有汉族和满族之分呢

这就不知道了。大数据解决不了这问题。

重磅企鹅

杨逍逍 发表于 2022-5-25 12:27
这就不知道了。大数据解决不了这问题。

不是汤若望、南怀仁、郎世宁一脉人所写就行

泌水

这个方法好。鉴定文字和鉴定口语特点一个道理。
工程浩繁，兄弟辛苦了

轻言

别具一格，有没有申请版权

一株断草

使用的频率是一个方面，使用的习惯，语言风格，也是一方面。佩服你的这种严谨态度~~~