"序言：漢密爾頓(Alexander Hamilton)，麥迪遜(James Madison)，還是杰伊(John Jay)？

《聯(lián)邦黨人文集》 為美國(guó)走向民主打下基礎(chǔ)，其中有十二篇文章的作者未明，歷史學(xué)家們?yōu)榇藸?zhēng)論了一百五十多年。盡管這些文章在美國(guó)史的語(yǔ)匯中是世人皆知的標(biāo)志性作品，但每一篇的作者究竟是誰(shuí)卻一直是團(tuán)疑云。哪一位開(kāi)國(guó)元?jiǎng)鬃珜?xiě)了這些篇章？這個(gè)問(wèn)題激起了無(wú)盡的爭(zhēng)論，后來(lái)甚至成了歷史學(xué)家聚會(huì)時(shí)客廳里一個(gè)廣為流行的猜謎游戲。美國(guó)的治國(guó)框架建立在這些振奮人心的論述之上，可到底是誰(shuí)寫(xiě)下了這些文章呢？

答案隱藏在文章的詞語(yǔ)中，但要找到這些詞語(yǔ)，學(xué)者們無(wú)須精讀文本，只要細(xì)細(xì)地?cái)?shù)一下數(shù)。他們所要看的只是數(shù)字。

疑云始于1787年末，當(dāng)時(shí)紐約的報(bào)紙刊登了一系列鼓吹新憲法的文章，用的筆名是普布利烏斯（Publius，源自古羅馬執(zhí)政官Publius Valerius Publicola）。用一個(gè)具有愛(ài)國(guó)含義的筆名來(lái)隱藏自己的身份似乎有點(diǎn)可笑。實(shí)際上，在當(dāng)時(shí)美國(guó)近四百萬(wàn)居民中，只有三個(gè)人才有資格進(jìn)入這場(chǎng)關(guān)于作者身份爭(zhēng)議的角逐。

漢密爾頓，麥迪遜和杰伊撰寫(xiě)了這些文章這在當(dāng)時(shí)是一個(gè)公開(kāi)的秘密，但三個(gè)人都不想站出來(lái)承認(rèn)寫(xiě)過(guò)哪些特定文章。他們都有自己的政治抱負(fù)，后來(lái)分別升任財(cái)政部長(zhǎng)、總統(tǒng)和最高法院首席大法官，所以他們有充足的理由隱藏自己的作者身份。但他們過(guò)分的謹(jǐn)慎留下了難以攻破的疑云，在之后的時(shí)日中，同時(shí)撩動(dòng)著歷史教授和熱心的業(yè)余愛(ài)好者的神經(jīng)。

你也許會(huì)以為，當(dāng)時(shí)的學(xué)者和精明政客應(yīng)能確定作者是誰(shuí)。畢竟只有三個(gè)潛在的候選人，每人都有自己的政治傾向，交流表述的風(fēng)格也各不相同。如果放在今天，這個(gè)問(wèn)題可能相當(dāng)于《紐約時(shí)報(bào)》刊登了一篇匿名社論，執(zhí)筆者可能是奧巴馬、希拉里或桑德斯，也可能是小布什、麥凱恩或特朗普，我們或許可以分辨出作者來(lái)自哪個(gè)陣營(yíng)（前三人是民主黨，后三人是共和黨），但肯定無(wú)法準(zhǔn)確落實(shí)到某個(gè)人身上。

時(shí)間來(lái)到1804年，答案似乎終于浮現(xiàn)。漢密爾頓給他的朋友本森（Egbert Benson)寫(xiě)了一封信，信中列出每一篇文章的作者。當(dāng)時(shí)漢密爾頓正準(zhǔn)備與美國(guó)副總統(tǒng)伯爾（Aaron Burr）決斗 ，突然意識(shí)到了《聯(lián)邦黨人文集》的重要?dú)v史意義，也明白自己可能無(wú)法從決斗中生還。最終，他決定不讓這些答案隨他一同逝去。

疑云本應(yīng)就此告終，全國(guó)上下關(guān)注此事的人沒(méi)有理由懷疑漢密爾頓的第一手信息。但十三年后，麥迪遜在結(jié)束他的第二個(gè)總統(tǒng)任期后不久列出了他的著作清單，與漢密爾頓當(dāng)年所說(shuō)有出入。其中，漢密爾頓認(rèn)領(lǐng)的十二篇，麥迪遜聲稱是他的作品。

此事點(diǎn)燃了群眾的新一波熱情，歷史學(xué)家們?yōu)榇擞譅?zhēng)吵了一個(gè)多世紀(jì)。1892年，洛奇（Henry Cabot Lodge，后擔(dān)任參議員）為此問(wèn)題著文，贊同漢密爾頓的說(shuō)法，而著名歷史學(xué)家伯恩(E. G. Bourne)則認(rèn)為那十二篇文章的作者是麥迪遜。

大多數(shù)歷史學(xué)家試圖根據(jù)每篇文章的政治理念進(jìn)行梳理，確定作者麥迪遜真的會(huì)用那些措辭主張?jiān)O(shè)立中央銀行？漢密爾頓會(huì)如此直接地支持針對(duì)國(guó)會(huì)的限制？也許這一篇是杰伊寫(xiě)的？

直到兩個(gè)世紀(jì)以后的1963年，問(wèn)題才最終得以解決。兩位受人尊敬的教授哈佛大學(xué)的莫斯特勒(Frederick Mosteller)和芝加哥大學(xué)的華萊士(David Wallace)給出了明確的答案。然而，與之前試圖解決這個(gè)問(wèn)題的許多教授不同，兩人并非歷史學(xué)家，不以早期美國(guó)學(xué)術(shù)研究工作聞名，甚至從未發(fā)表過(guò)一篇關(guān)于歷史人物的論文。莫斯特勒和華萊士都是統(tǒng)計(jì)學(xué)家。

莫斯特勒最為人矚目的一篇論文是關(guān)于美國(guó)職業(yè)棒球大聯(lián)盟總冠軍賽的，他在論文中提出：從統(tǒng)計(jì)學(xué)的角度來(lái)看，七場(chǎng)比賽是否能夠決出最好的棒球隊(duì)。在著手研究十二篇文章著作權(quán)的前幾年，華萊士也發(fā)表過(guò)一篇論文，題目是《T分布和卡方分布的正態(tài)近似界限》。聽(tīng)上去很難以置信吧？有人想用概率方程解決歷史難題，1963年的歷史學(xué)教授大概會(huì)認(rèn)為這是一派胡言。

莫斯特勒和華萊士所用的方法與政治或意識(shí)形態(tài)無(wú)關(guān)，他們只是首批利用詞頻和概率展開(kāi)研究的統(tǒng)計(jì)學(xué)家。

他們解決問(wèn)題的過(guò)程在某些方面較為復(fù)雜，比如采用了含有階乘的方程、指數(shù)、求和、對(duì)數(shù)以及T分布，但核心方法卻是驚人的簡(jiǎn)單：

根據(jù)確定是漢密爾頓或麥迪遜所寫(xiě)的文章，分別統(tǒng)計(jì)某些常用詞出現(xiàn)的頻率。

在需要進(jìn)行研究的文章里統(tǒng)計(jì)相同詞匯出現(xiàn)的頻率。

通過(guò)比較上述兩個(gè)頻率，確定爭(zhēng)議文章的作者。

事后回頭看，即便不使用那些玄妙的概率方程，兩位統(tǒng)計(jì)學(xué)家的研究結(jié)果似乎也是顯而易見(jiàn)的�！堵�(lián)邦黨人文集》里麥迪遜的文章中，超過(guò)一半文章使用了whilst這個(gè)詞，但從未用過(guò)while。相反，漢密爾頓大約三分之一的文章中使用了while，但從未用過(guò)whilst。

莫斯特勒和華萊士并不是只依靠一個(gè)詞的分析，從統(tǒng)計(jì)學(xué)上來(lái)講那樣做是不充分的。他們選擇了幾十個(gè)基本單詞，然后在有爭(zhēng)議的文章中觀察每個(gè)詞的使用頻率。許多詞沒(méi)有任何政治含義，兩位不同作者的使用率竟然出現(xiàn)明顯的不同。比如，麥迪遜用also這個(gè)詞的頻率是漢密爾頓的兩倍，而漢密爾頓使用according的頻率則比麥迪遜高很多。

莫斯特勒和華萊士采用的方法具有可證偽性 。研究結(jié)果表明，如果在已知作者身份的文章中使用相同的方法，他們可以準(zhǔn)確無(wú)誤地識(shí)別作者。而對(duì)于那些有爭(zhēng)議的文章，他們得出結(jié)論：麥迪遜是十二篇文章的實(shí)際作者 。

在總結(jié)研究結(jié)果時(shí)，也許擔(dān)心惹惱一代又一代苦惱不已的歷史學(xué)家，兩位數(shù)學(xué)家的立論和措辭十分謹(jǐn)慎，但展示的數(shù)字卻毫不含糊，兩人對(duì)自己的統(tǒng)計(jì)方法有十足的信心。所有已知作者身份的文章的測(cè)試分析都毫無(wú)瑕疵，作者未明的文章也與其一致。由此得出最終結(jié)論，漢密爾頓所言為虛，那十二篇文章的作者并不是他。

經(jīng)過(guò)無(wú)數(shù)統(tǒng)計(jì)和非統(tǒng)計(jì)的研究后，莫斯特勒和華萊士的分析結(jié)果（麥迪遜是作者）已經(jīng)成為目前統(tǒng)計(jì)學(xué)家和歷史學(xué)家們的共識(shí)。他們超前于所處的時(shí)代，他們的研究雖然涉及一些復(fù)雜公式，但本質(zhì)上還是依靠的統(tǒng)計(jì)統(tǒng)計(jì)。如果是今天，通過(guò)計(jì)算機(jī)統(tǒng)計(jì)單詞和頻率是件簡(jiǎn)單的小事，但在1963年，情形卻并非如此。

當(dāng)時(shí)統(tǒng)計(jì)單詞是靠手工完成的。比如，要找出每一篇文章中upon出現(xiàn)的次數(shù)，他們得一頁(yè)頁(yè)、一個(gè)個(gè)地找出來(lái)。為了感受和理解莫斯特勒和華萊士（至少是他們的研究助理）都經(jīng)歷了什么，我打印了一本完整的《聯(lián)邦黨人文集》，開(kāi)始數(shù)upon這個(gè)詞出現(xiàn)的次數(shù)。三十分鐘后，我只進(jìn)展到全文的八分之一，在大約四十頁(yè)里有三十七個(gè)upon。沒(méi)過(guò)多久，我的眼皮狂跳，腦子發(fā)木Upon在哪里？這種痛苦就像在漫漫人海中尋找某張人臉。

活在1963年實(shí)在有些辛苦，最后我放棄了，轉(zhuǎn)而采用二十一世紀(jì)的技術(shù)進(jìn)行計(jì)數(shù)：我打開(kāi)谷歌，搜索聯(lián)邦黨人文集完整文本，點(diǎn)進(jìn)第一個(gè)搜索結(jié)果進(jìn)行下載，再用Microsoft Word打開(kāi)文件。兩分鐘后，我選定部分內(nèi)容，再使用菜單里查找命令，隨后發(fā)現(xiàn)Upon出現(xiàn)了四十六次。借助電腦后，不僅在速度上快了二十八分鐘，而且結(jié)果遠(yuǎn)比疲憊的肉眼來(lái)得準(zhǔn)確。

再找一個(gè)詞匯結(jié)果也還是一樣，一個(gè)人瀏覽一遍《聯(lián)邦黨人文集》全文的時(shí)間在四小時(shí)左右，電腦所需時(shí)間幾乎可以忽略。不管是莎士比亞文集、《圣經(jīng)》、《白鯨》，還是英語(yǔ)文學(xué)集，對(duì)當(dāng)時(shí)的莫斯特勒和華萊士來(lái)說(shuō)，進(jìn)行類(lèi)似的分析是無(wú)法想象的難題。現(xiàn)在情況就完全不一樣了，在電腦上統(tǒng)計(jì)某個(gè)單詞在大部頭文本里出現(xiàn)的次數(shù)，絕大多數(shù)十來(lái)歲的青少年皆可輕松完成。

莫斯特勒和華萊士公布研究結(jié)果的五十年后，電腦的文本輔助功能發(fā)展迅速。谷歌在其搜索結(jié)果中運(yùn)用文本分析，以此決定對(duì)哪些用戶投放哪些廣告。目前還有研究人員試圖用文本分析進(jìn)行判斷，是什么原因讓一條Twitter像病毒一樣傳播。媒體也經(jīng)常對(duì)同類(lèi)型的內(nèi)容進(jìn)行措辭上的細(xì)微調(diào)整，以期實(shí)現(xiàn)頁(yè)面瀏覽量的最大化。但是到目前為止，這些科技公司對(duì)文本分析的應(yīng)用還比較單一，它還有更大的可能性。

莫斯特勒和華萊士使用的統(tǒng)計(jì)方法雖然比較簡(jiǎn)單，但實(shí)驗(yàn)獲得的成功卻產(chǎn)生了深遠(yuǎn)的影響。作家們確實(shí)有各自的風(fēng)格，而且是可以進(jìn)行預(yù)測(cè)的。事實(shí)證明，留下個(gè)人風(fēng)格印記的不僅僅是十八世紀(jì)的政客，所有書(shū)籍的作者無(wú)論廣受歡迎遠(yuǎn)近聞名，還是晦澀難懂飽受批評(píng)都在數(shù)十年的寫(xiě)作中不斷重復(fù)自己的遣詞造句，這便是他們留下的印記。

莫斯泰勒和華萊士提出的問(wèn)題和作出的解答雖有一定局限性，但文本分析確實(shí)可以回答各種各樣的問(wèn)題，那些讓一代代作家和讀者感到疑惑的問(wèn)題：相比其他作家，海明威真的更少使用副詞嗎？書(shū)籍的閱讀難易程度對(duì)其受歡迎程度有什么樣的影響？男性和女性作家的寫(xiě)作方式有何不同？作家提出的創(chuàng)作建議有用嗎？他們自己會(huì)遵循那些建議嗎？除了一些明顯不同的拼法問(wèn)題，還有什么原則可以用來(lái)區(qū)分美國(guó)小說(shuō)家和英國(guó)小說(shuō)家？從納博科夫到E.L.詹姆斯（E. L. James) ，我們喜歡的作家喜歡用的詞是什么？

雖然學(xué)術(shù)界已經(jīng)開(kāi)始研究成功作家的寫(xiě)作模式，但仍有許多問(wèn)題有待探索。對(duì)普通讀者、主修文學(xué)的大學(xué)生以及野心勃勃的作家來(lái)說(shuō)，這些問(wèn)題既有趣又有用。你可能不關(guān)心泊松分布 ，也不在乎解讀語(yǔ)言的程序，但你也許想知道自己最喜愛(ài)的作家是如何寫(xiě)作的，以及這對(duì)你來(lái)說(shuō)可能意味著什么。

用數(shù)據(jù)分析來(lái)研究寫(xiě)作不僅妙趣橫生，還能提供豐富的信息，有時(shí)也會(huì)非常搞笑。此外，我們也能借此了解平時(shí)閱讀的作家，思考我們自己寫(xiě)作時(shí)使用的詞句，這一切正是本書(shū)要深入探討的。在這本書(shū)里，每一章都專(zhuān)注于一個(gè)文學(xué)新問(wèn)題的研究。

這些研究并不會(huì)達(dá)到令人痛苦的復(fù)雜地步。實(shí)際上，只要具有真正價(jià)值，研究無(wú)須也不應(yīng)那般復(fù)雜。關(guān)于經(jīng)典文學(xué)或現(xiàn)代暢銷(xiāo)書(shū)的許多有趣問(wèn)題是可以通過(guò)統(tǒng)計(jì)的透視鏡來(lái)觀察的，但針對(duì)這些問(wèn)題的統(tǒng)計(jì)分析尚未形成體系。本書(shū)將用一種嶄新的方法來(lái)攻克這些簡(jiǎn)單而獨(dú)特的問(wèn)題。這是一本關(guān)于文字的書(shū)，但卻是用數(shù)字寫(xiě)成的。

"