□倍 魄

　　在挺韩和倒韩的对抗中，双方都使用了语言指纹分析。倒韩的石毓智博士的结论是韩寒有代笔，而挺韩的复旦大学孤苏杰博士的结论竟然是“韩寒就是《三重门》的作者”。苏杰博士的逻辑冒进，我已经著文批评过，其他网友也多有批评讨论。但语言指纹技术在汉语中锁定文章作者身份，到底能发挥多大的作用，现在看来基本没有深入的研究。苏杰博士的方法漏洞很大，石博士的研究数据指标又没有披露细节。好在，语言指纹的原理简单易懂，我们缺少的只是经验和方法，所以，我才不惴浅陋，着手汉语语言指纹的初步研究。具体工作非常琐碎，我先说一下我的初步综合结论：
　　⑴ 《三重门》不是一人所写，韩寒参与了改写；
　　⑵ 《像少年啦飞驰》可能是韩寒独立完成的小说，小说由童年和成年拼凑在一起，更符合韩寒成名后的现实和奔波。（PS，小说中间描写了“我和老枪”给出版商代笔的生涯，老枪就是代笔枪手）
　　⑶ 从《长安乱》开始，韩寒的小说语言特征相对一致，但与《三重门》和《像少年啦飞驰》区别明显，所以，韩寒从《长安乱》开始的代笔者可能只有一人。
　　⑷ 路金波（李寻欢）不可能是韩寒的代笔者。韩仁均的文章还没有整理出电子版，尚不知能否排除代笔可能。
　　⑸ 韩寒的代笔者未必是知名作者。枪手是一个行业，有它的规则。韩寒悬赏2000万又食言，因为枪手一辈子也不可能挣到那么多，200万都足以让枪手成为行业的叛徒。

――――――――――――――――――――――――――――

　　还是先说说苏杰博士方法的漏洞。
　　我们知道，即使是同一作者的两部长篇小说，由于内容不同，叙事角度和方式不同，可能导致对词语的使用选择不同，使用频率也不同。在全知视角的小说中，会更多出现“不幸”“没想到”这样的词汇，因为写作者会随时出来表明对叙述对象的态度。而在“客观写作”中，夸张和评价性的词汇就是大大减少。
　　所以，苏杰博士用“没想到”、“谁知”、“光”、“不幸”、“这人”这五个词来证明韩仁均不是《三重门》作者，方法上存在漏洞，并且，选词也太少，不能有力支撑结论。如果我们相信苏杰博士方法的可靠性，那么，不仅可以立即宣布“韩寒”小说不可能是一个人所写（请参看我的图表数据），而且，很多作家都不免被判定代笔。

　　研究实践表明，证明代笔存在并不那么轻易，锁定代笔者就更加困难。
　　澄清三个认识错误：
　　⑴ 否定苏杰的方法，并不表示语言指纹法不可用，更不表示韩寒没有代笔，只是说，证明代笔或者区别两部小说的不同作者，需要更严谨的方法。
　　⑵ 再次强调，即使证明了韩仁均或者路金波不是“韩寒”小说的作者，也并不意味着证明了韩寒就是署名“韩寒”的小说作者。
　　⑶ 语言指纹是研究代笔问题的方法之一，其他研究方法同样重要，同样值得努力。
   
　　现在介绍一下我的概念和方法。
　　一、“通用指纹”和“个性指纹”的概念：
　　汉语有很多同义词、近义词和多义词。有些同义词不仅彼此可以在任何语境下互换使用，而且，本身没有任何歧义和多义，不同的作者究竟使用哪个词较多，完全是出于个人习惯。
　　比如，“居然”和“竟然”，在所有找到的李寻欢的小说和文章中，使用“竟然”103次，使用“居然”0次。方方在《风景》和《桃花灿烂》中，使用“居然”11次，使用“竟然”0次。阿来在《尘埃落定》中，使用“居然”9次，使用“竟然”17次。刘震云在《一句顶一万句》中，没有使用这两个词。在对同一作者不同时期的小说的统计发现，一个作者使用“居然”和“竟然”的比例是相对固定的。因此，“居然”和“竟然”作为一对同义词，就有了类似血型的作用，可以区分不同的作者类型。
　　因此，我和李寻欢都属于“竟型指纹”；方方属于“居型指纹”；阿来属于“竟居型指纹”；刘震云属于“无竟居指纹”。
　　除了居然和竟然，看到和看见，听到和听见，忽然和突然，经常和常常，不仅和不光……等等，都是比较好的用以区别不同作者的特征指纹，它们的好处就是大量使用并且没有歧义，并且容易检索。（但“不光”这个词在检索时，容易把“不光彩”的前两个字，误认作“不光”，需要注意）。
　　上述能够区别不同作者的同义词对，我称之为“通用指纹”。具备“完全同义”、“无歧义”“均被大量使用”三个特点的同义词对，就可以成为好的通用指纹指标。通用指纹的优点是使用“词对”的相对比例来区别不同的作者，这个相对比例是通过文本内部的自身比较，题材和写作方法对词对的影是相同的，因而不会改变它们的出现比例。可见，通用指纹方法，比苏杰博士的方法要科学得多。
　　因为是从零开始研究，可能有非常好的通用指纹指标没有被我发现，比如，在形容词中，可能也有适合作通用指纹指标的词对。
　　单独的通用指纹可以有效区别不同类型的作者，但要锁定同一个作者，就需要尽可能多的不同指纹指标来缩小范围。就像在电视剧《血疑》中，AB型血比较少见，RH阴性AB型血就非常罕见了。多个不同的通用语言指纹指标相组合，就有可能锁定某一个写作者。
　　而“个性指纹”则是通过研究某篇或者多篇同一作者的文本，总结和发现言语使用习惯的个性，通过多个如此的个性特点，来界定写作者的个性语言特征组合。总结个性指纹，首先要确认此作品是一人所写，多个作者合写，或者经过不同人编辑修改的文本，会呈现更多的语言丰度，并使个性特点被掩盖。
　　我之所以断定《三重门》有多人参与写作和修改，就是因为在总结它的语言通用指纹时，发现它对同义词几乎没有极端偏好，而很多作者是会在某个指标上显示极端偏好，并且，《像少年啦飞驰》就明显有极端偏好。
　　所以，我个人的观点是，如果试图锁定韩寒的个性语言指纹，研究《像少年啦飞驰》应当更靠谱。它的语言偏好明显，比如大量使用“××××的时候”、 “××××的是”这样的句式，喜欢使用“些什么”和诸如“埋掉”“坏掉”“逃掉” “××掉”这样的写法，等等。
　　到目前为止，我的研究基本限于通用指纹，个性指纹还没有来得及深入。我只粗略统计了“的时候”在不同“韩寒”小说中的出现次数。请注意，在研究个性指纹时，一定要注意用“万字平均”的概念，也就是说，要用每10000字出现的平均次数来进行定量分析。
　　二、研究方法。
　　一项研究的科学性，一定是建立在可重复可检验的基础上。所以，在进行研究论证前，一定要先证明工具的有效性。
　　我对“通用指纹”的科学性的论证尽管数据完备上还可以改进补充，但它的逻辑思路是清晰的。
　　⑴ 通用指纹多样性存在的证明：
　　选择了茅盾文学奖的部分长篇小说和王蒙、方方、叶兆言、王朔和李寻欢的文字作为标本，具体是：
　　01《平凡的世界》路遥
　　02《白鹿原》陈忠实
　　03《尘埃落定》 阿来
　　04《长恨歌》 王安忆
　　05《秦腔》 贾平凹
　　06《一句顶一万句》刘震云
　　07王蒙《球星奇遇记》《蝴蝶》
       《组织部来了个年轻人》《郑重的故事》《狂欢的季节》
       《青春万岁》
　　08方方《风景》《桃花灿烂》
　　09叶兆言《花影》《一九三七年的爱情》《我们的心多么顽固》
　　10王朔文集 纯情卷
　　11王朔文集 挚情卷
　　12李寻欢《边缘游戏》《迷失在网路与现实之间的爱情》《粉墨谢场》


　　⑵ 通用指纹稳定性的证明：
　　对王蒙、海岩、郭敬明和张悦然的小说，按写作或出版时间顺序进行统计对比，通过数据观察，我们发现，通用指纹有值得信任的稳定性，这种情况下，稳定是常态，并显示单态的偏好。极少的“突变”原因不明，可能是在某些特殊条件或者环境下被“污染”了。值得注意的是，这个突变，一般只发生一次，然后，就回归正常，说明不是风格的改变。另外的情况就是“偏好不明显”，这种情况下，变动是常态。

　　
　　总之，通过观察对比实验，通用语言指纹具有多态性和稳定的。在此基础上，就可以对“韩寒”小说进行语言指纹分析。

　　还有很多指标可以统计和分析研究。对我已有的数据，请注意“经常”和“常常”以及“不仅”和“不光”以《长安乱》之处，开始发生的偏好反转。这个反转是同时发生的，并且，反转之后保持了稳定，这是“代笔”的明显特征。如果加强和增加对其他词对的统计和研究，可能会出现更为清晰的图景。
　　
　　最后，说说研究可以深入的方向。首先是继续发现好的通用指纹指标，其次是重点研究《像少年啦飞驰》和《长安乱》的个性指纹。第三，是研究韩仁均的语言指纹，与“韩寒小说”的指纹进行比照。
　　如果韩仁均也不能被锁定为代笔者，那么，代笔者可能是一个不知名的职业枪手，他对“居然”“竟然”这样的比较浅表的特征可以很职业地意识到感觉到，但毕竟，不可能凭直觉就做到面面俱到。再职业的枪手，也一定还是会在文本中留下属于他自己的指纹的。
　　
　　                        2012/5/4