4月19日，由山东大学边疆治理研究院主办的“东亚数字人文工作坊（第十三期）”在南辰楼1811室举行。延边大学人文社会科学学院院长姜秀玉教授应邀作题为“韩国史学界研究动态与前沿观察”的学术报告。本次工作坊由山东大学边疆治理研究院执行院长苗威教授主持。

👆👆👆点击蓝字 · 关注我们

编辑｜文化遗产智能计算实验室

审校｜刘争

—END—

编辑｜文化遗产智能计算实验室

审校｜刘争

PART1

PART2

PART3

PART4

= END =

相关链接：

任务征集 | CCL26-Eval中国计算语言学大会评测研讨会

第二十五届中国计算语言学大会(CCL26-Eval)技术评测任务发布

转载请注明“刊载于《数字人文研究》2025年第4期”；参考文献格式：日比嘉高，江晖. 从探听“修辞回声”走向数字文学史——  以定量分析松尾芭蕉在日本近代的接受为例[J].数字人文研究,2025,5(4):99-117.全文PDF已在知网、万方及编辑部网站（http://dhr.ruc.edu.cn）上发表，此处注释及参考文献从略。

从探听“修辞回声”走向数字文学史

——以定量分析松尾芭蕉在日本近代的接受为例

摘 要  研究旨在通过对近代俳句中松尾芭蕉的接受情况进行定量分析，探索数字人文方法在文学史研究中的潜力。利用日本国立国会图书馆的数字收藏，统计了明治至昭和战前期间文献中芭蕉俳句的引用频率，并运用Jaccard系数对明治、大正、昭和战前期的大规模俳句集进行了相似性分析。研究发现，随着时代变迁，芭蕉对俳句的影响逐渐降低，而以芭蕉批评者著称的正冈子规的俳句却比明治时期一般俳句更接近芭蕉的风格。可见计算机定量分析能够捕捉人类难以察觉的表达差异，提取出人类和时代的“无意识修辞”。数字人文方法能够揭示传统研究难以触及的深层规律，为“数字文学史”的构建提供新路径。

关键词   数字人文；接受研究；松尾芭蕉；近代俳句；正冈子规

作者简介   日比嘉高，名古屋大学人文学研究科教授；江晖（译者，通讯作者），中山大学外国语学院副教授，Email:jianghui6@mail.sysu.edu.cn。

0  文学作品接受研究中的定性研究和定量研究

数字人文（Digital Humanities）是否能够为文学的接受研究带来革新？如今，全世界每天都在产生海量的数据，其中包含大量与文学相关的内容。有面向业余创作者的小说投稿网站、有与短诗形式文艺相关的线上活动，还有像X（原推特）、微博、脸书等社交网络服务。此外，各类博客平台也在以多种形式持续产出文学作品的创作、评论和读者的感想。不仅如此，过去的文学作品以及与文学相关的各类资料正在快速地从纸质媒介向数字数据转移。例如，日本国立国会图书馆的数字收藏中包含了253万本图书（网络公开37万件）、140万册杂志（公开2万件）和32万篇博士论文（公开1.2万件）等数据。如果使用该图书馆的“下一代数字图书馆”，其中已过版权保护期、被标记为“网络公开”且被归类为“保护期限届满”的约29万件数据，用户可以获得文本的全文数据。就与日本文学相关情况而言，国文学研究资料馆一直在推进古典文学相关文献的数字典藏项目，通过其运营的“国书数据库”，用户“可以一次性检索和使用国内外众多机构和国文学研究资料馆收藏的古籍（即江户时代以前的书籍）等资料的书目信息以及部分高清图像”，据悉该网站在2025年3月公开的原始图像已超过30万张。

如此产生的海量数字化资料群，构建了一个由电子数据组成的文学话语空间，它与人们在数字空间和在物质空间的活动复杂地交织在一起，共同塑造了当代文学的生态系统。本文认为在文学的接受研究领域，数字人文式的方法同样有效。人们在创作、交流和享受文学作品时所留下的痕迹，不仅留存于纸张等物理媒介中，也大量保存在电子资料里。我们已经进入了一个新的时代，可以通过数字数据来探究某部作品是如何被阅读，以及从中获得的文学创意、词汇及修辞等遗产又是如何传承给下一代的。

文学接受研究——探讨既有的文学作品及其创作者如何被后继的读者和创作者所接受——这一领域拥有丰富的研究历史。回顾其理论框架，大致可以分为两大体系：一类是关注读者阅读行为的读者反应论体系，另一类是关注读者群体及其解释框架的接受论体系。关于前者，沃尔夫冈·伊瑟尔（Wolfgang Iser）在著作《阅读行为》中使用“空白（blank）”和“空缺（gap）”等术语论述了阅读行为的本质并在全球产生了深远影响；提出“作者之死”并强调读者能动性的罗兰·巴特（Roland Barthes）或许也可归入此类。在文化研究理论中，斯图亚特·霍尔（Stuart Hall）的编码/解码模型是广为人知的。

在关注阅读群体及其解释框架的接受论研究者中，汉斯·罗伯特·姚斯（Hans Robert Jauss）无疑是一位杰出代表。他在著作《文学史作为向文学理论的挑战》中提出了“期待视野”（Horizon of Expectations）这一概念，探讨了某一时代的读者对文学作品的理解范式是如何被更新的。该理论在数字人文时代依然具有丰富的启示意义。在当今时代，评论家与读者的感想通过网络媒体及社交平台等途径被大量生成并留存。数字时代的接受研究正是借助这一类新型资料，获得了重构“期待视野”的线索。关于“期待视野”的理论前景，本文将在结论部分再做探讨。

关于读者共同体的分析，斯坦利·费什（Stanley Fish）提出的“阐释共同体”（Interpretive Communities）概念，可定义为共享特定阐释框架的群体。这个观点认为文本的意义并非内在于文本本身，而是由读者所持有的理解框架生成的，就这一点而言与上述的读者反应论在问题意识上是相通的。

这些关于读者反应论或接受论的著名研究，虽然都诞生于纸质资料的时代，但随着互联网的出现，它们也与讨论数字空间中阅读行为的研究成果产生了关联。在这一领域的早期成果中，大卫·博尔特（David Bolter）的《写作空间》（Writing Space）值得一提。该书出版于1991年，是探讨超文本时代表达方式和读者参与方式转变的开创性著作。此外，尽管与接受研究略有不同，霍伊特·朗（Hoyt Long）和理查德·J·索（Richard J. So）的论文使用机器学习对比了英译俳句和英语原创俳句的风格、特征和形式，是在数字人文与文学研究的交汇点上进行的俳句研究和翻译研究的新尝试。

然而，在博尔特的时代尚未出现大量的文学电子资料。可如今，博尔特所讨论的那些通过超链接连接起来的以及由公共或私人档案库收藏的正在等待读者访问的巨大数据空间，在世界文学环境中占据了重要的地位。这些数据的积累如何应用于文学的接受研究，正是本文想要关注的问题。若参照前文提出的两种分类，即“聚焦阅读行为的读者反应理论”与“关注阅读共同体的接受理论”，本研究当归于后者——接受理论的学术谱系。

1  俳句的接受研究与本研究的意义

需要说明的是，本次研究的目的也并非要描绘出其全貌，我们分析的对象仅限于日本近代俳句集的文本数据，根据日本著作权法，这些作品已过版权保护期。本文将探讨江户时期俳人松尾芭蕉的作品在近代言论空间以及近代俳句中的接受情况。数字人文对文本资料的定量分析能在俳句的接受研究中发挥怎样的作用呢？

在此之前，有必要确认一下既有研究是如何进行相关讨论的。活跃于17世纪后半叶的松尾芭蕉是日本文学史上最著名的俳句诗人，其影响力一直延续至今。当然，相关研究也颇为丰富。由于审视其全貌超出了本文的能力范围，在这里仅对主要成果进行概述，尤其是与本文后半部分涉及的正冈子规相关的内容。关于近代对松尾芭蕉的接受，研究成果众多，早先有山下一海和大野林火的论述，近年黄慧君的论文以“古池”一句为例探讨了大正时期对芭蕉的评价。除俳句诗人对芭蕉的接受以外，久保田晴次有两部重要的成果还考察了小说家们的看法。

关于近代俳句诗人个人对芭蕉的接受研究，可以以正冈子规为例。他是明治时期俳句革命运动的推动者，不仅在俳句创作有所建树，还经常发表评论并创办杂志《杜鹃》（『ホトトギス』），是近代俳句史上划时代的人物。并且他本人也多次论及芭蕉，相关研究十分丰富。早在战前，宫本三郎就出版了《子规在芭蕉批评史中的地位》，复本一郎也有相关著作。简而言之，在关于二者关系的讨论中，有的分析了子规对芭蕉的“理解”或“评论”，有的则追踪了除二者之外的谱系，还有的比较了二人的俳句作品，方法多种多样。但是关键在于，许多评论和研究中都存在一种共通的论述“模式”，即使用“继承—革新”“接受—排斥”“影响—创造（进化）”等词语去描述他们之间的继承关系，或者是作为其变体的反叛亦或是创新的轨迹。

这些接受研究中所体现的“模式”与哈罗德·布鲁姆（Harold Bloom）提出的“影响”问题不无关联。布鲁姆指出，英国浪漫派诗人在阅读前人作品时，虽然从中获得了文学上的刺激，但同时也因此对自身的独创性感到不安，他将这种现象上升为理论，称为“影响的焦虑”。路易斯·A·伦扎（Renza, Louis A.）对布鲁姆的观点进行了解释，他认为这种影响关系可以被视为疑似亲子关系，即俄狄浦斯式的焦虑，其背后是基于文献学的历史研究观。伦扎指出了重要的一点，就是对这种影响关系的考察虽然在讨论传承或反叛，最终不过是维护了确认文本传承关系的传统主义意识形态。无论称之为传承还是对传统的叛离，归根结底，只是换一种说法在讨论如何强化文学史的延续性罢了。

与此相比，数字人文的方法则采取了完全不同的思路。它并非从人与人之间的传承关系切入，而是通过测算词与词、句与句之间的相似性等方式，来探寻“影响”或“接受”的痕迹。如果将关注人际关系、挖掘作品表达方式的研究称为“质”的接受史，那么基于大量分析文本数据的字面内容去考察表达特征及其相互关系的研究，则可称之为“量”的接受史。

本文对“相似性”的判定标准是通过比较俳句A与俳句B中相同字符连续出现的程度。如第三节所述，本研究采用2-gram对诗句进行分割，并使用Jaccard系数将匹配度量化。在注重质性分析的传统接受史研究中，仅凭词语的简单相似自然不足以证明前代作家/作品与后代作家/作品之间的影响关系。然而，数字人文领域的文学研究通过对海量文本进行词语一致性检测，即基于“字面”层面的相似性计算，能够捕捉人类难以察觉的细微变化，并提取远超人类分析能力规模的文本特征。文学表达中的表层相似性——本文称之为“修辞回声”——是通过多重分析的交叉叠加进行探测的。“修辞回声”是借助数字人文方法捕捉到的“接受”痕迹或其潜在的可能性。基于定量分析的接受研究，通过持续检测“修辞回声”并深入剖析其内涵，进而尝试重构“期待视野”的图景。

如后文所述，基于字面相似性的量化接受研究方法，对于探讨俳句这一文类的接受史而言同样有效。俳句严格遵循十七音节的格律规范（若使用汉字而非假名，则实际字符数更少），因此每个字符在字面层面都承载着更为厚重的意义密度。

基于上述问题意识，本文将对俳句的数字资料进行定量分析，去探究日本近代对松尾芭蕉的接受情况。

2  从国立国会图书馆数字馆藏资料看近代对芭蕉的接受

首先，基于笔者2022年的研究对本文的前期成果进行简要整理。本研究对二战前的近代文献中对芭蕉俳句的引用情况进行了定量分析，从新的视角讨论了这个问题。这里所说的二战前的近代文献，具体是指可以在日本国立国会图书馆“下一代数字图书馆”进行全文检索的所有类别的图书文献，数量约为33.6万件（截至2022年）。利用全文检索功能，可以统计出这些资料中引用芭蕉俳句的数量，以此勾勒出“接受”的样态。检索的时间范围为1868年至1945年，因为芭蕉的俳句约有1000句，为了尽可能避免因表述差异造成的遗漏，本研究在检索时使用了三种文本。图1展示了引用率前30的句子（由于存在引用率相同的情况，实际为31句）。

图1　近代文献中芭蕉俳句的引用情况（前30位）

可以将此结果与人们所熟知的芭蕉佳句进行比较。引领明治俳句革命的正冈子规在1893年撰写的《芭蕉杂谈》中列举了“尤为出众、广为传颂”的11句芭蕉名句，包括：

      可以看到，与图1中列举的31句仅有1、3、5、10这四句是重合的。

3  从近代俳句集看对芭蕉的接受

3.1 数据预处理与相似性的计算方法

Ａ《明治句集》：共4冊（新年卷、春之卷、夏之卷、秋之卷），27084句，选录自报纸杂志。

Ｂ《大正百家选》：共１冊，12516句，收录德岛县当地俳句诗人作品。

Ｃ《现代综合大句集》：共１冊，12526句，选录自“最近发行的数百本俳句杂志”中的优秀作品。

首先，对本研究的数据预处理过程进行简要说明。ABC各句集的数据来自从国立国会图书馆“下一代数字图书馆”获取的JSON Lines文件，从中删除了正文以外的页面（如封面、目录、版权页、广告等），保留了页码、页眉、章节标题等信息。由于原始文件中有部分字符顺序混乱，因此使用JSON Lines文件中的位置信息标签进行了调整。在此基础上，提取“contenttext”（文本内容）中字符数大于9的字符串，以此删除通常小于8个字符的页码、章节标题等副文本信息。至此，正文数据的构建基本完成。此外，根据分析的需要，将正文数据中的汉字旧字体转为了新字体。除最后这一步以外，上述的预处理工作基本都是通过Chat-GPT4完成的，笔者随时跟进了这个过程。

      关于正文数据的识别率，通过对比笔者核对过的句集与上述经过预处理的正文数据，发现A的平均误识别率小于1%，但存在部分句子缺失的现象，B和C的误识别率分别为1.5%、0.4%，同样都出现了信息缺失的情况。

本研究采用了N-gram（本次使用了2-gram）的方法，通过Jaccard系数计算了文本的相似度。本研究的独特之处并非在于追踪俳句作品的语义承继，而在于对表层字面一致性的量化考察。鉴于此研究目的以及俳句文本篇幅极短这一特性，本研究认为，与 Word2vec 或 BERT 等方法相比，N-gram具有更高的适用性。

N-gram是指字符串中连续的“N个单词”或“N个字符”的组合，2-gram就是两个连续的单词或字符。例如，以字符为单位的2-gram将“雲の峰いくつ崩れて月の山”分解，可以得到“雲の”“の峰”“峰い”“いく”“くつ”“つ崩”“崩れ”“れて”“て月”“月の”“の山”共11个二字字符组。Jaccard系数是用于测算两个集合之间相似度的指标。具体计算方法是用两个集合的共同元素数量（交集）除以元素总数（并集），所得数值介于0到1之间，越接近1表示相似度越高。

例如，将“干網に蜻蛉吹かるゝ野分かな”与“猪もともに吹かるゝ野分かな”这两句俳句用2-gram分解后，可按照以下步骤计算Jaccard系数：

首先，将每句俳句分解为2-gram。

　　「干網に蜻蛉吹かるゝ野分かな」的2-gram：干網、網に、に蜻、蜻蛉、蛉吹、吹か、かる、るゝ、ゝ野、野分、分か、かな；

　　「猪もともに吹かるゝ野分かな」的2-gram：猪も、もと、とも、もに、に吹、吹か、かる、るゝ、ゝ野、野分、分か、かな。

两者之间有7个共同的2-gram，即“吹か”“かる”“るゝ”“ゝ野”“野分”“分か”“かな”。以此计算Jaccard系数，计算公式为：（共同元素数量［交集］）÷（元素总数［并集］）。这里的交集为7，关于并集的计算，两句都有12个2-gram，但需要从两者的和中减去共同元素数量7，即(12+12)-7=17。因此，上述两句的Jaccard系数约为0.41。

3.2 《芭蕉俳句全集》与《明治句集》《大正百家选》《现代综合大句集》的比较结果

图2 《芭蕉俳句全集》与《明治句集》《大正百家选》《现代综合大句集》的相似度

与初步调查的步骤相同，我们将句子分解为2-gram，并使用Jaccard系数测算了它们的相似度，然后将结果按照从高到低进行了排序，图2即为三组不同时期句集相似性比较结果的前5000项。由于《明治句集》中存在与芭蕉完全相同的句子，因此图中显示出了极端高的数值（相似度为1.0）。但是，将比较对象扩大至前5000项，仍然可以清楚地看到《明治句集》的相似度始终显著高于《大正百家选》和《现代综合大句集》。同样，《大正百家选》的相似度也始终略高于《现代综合大句集》。通过将总计约5.1万句俳句与芭蕉作品进行比较，可以发现从1909年到1918年，再到1935年，随着时间的推移，其相似度、即“修辞回声”在逐渐降低。尽管这项调查未能提供关于季语或词汇使用、类型化表达等具体信息，但基于5万句规模的考察，能够得出以下结论：后期的俳句作品与芭蕉俳句在字面上的相似度随着时代变迁而不断降低，即在字句层面上渐行渐远。

在此基础上，我们比较了《芭蕉俳句全集》与《明治句集》《大正百家选》《现代综合大句集》中相似度最高的前30句作品（表1至表3）。可以发现，从明治、大正到昭和，此前相似度较低的句子也有可能逐渐上升到较高位置。正如在初步调查中也讨论过的，当相似度超过0.3时，即使通过人为判断也能感受到其相似性。如表1至表3所示，相似表现的关键在季语，当季语和切字的组合超过四个字符时，相似度就能达到0.3。在相似度高于0.4的句子里，除季语之外，还有其他词语的重合，使得其相似性更为显著。但相似度在0.2左右的句子中，重合的季语大多仅有三个字符，人为判断就较为困难。

此外，还可以看到，在相似度高于0.3的句子里，其相似性随着时代变化呈现出下降的趋势。不仅如此，有趣的是，即便是相似度低于0.2的句子也显示出了类似的结果，即相似性从明治、大正到昭和逐渐降低。若仅依据人为判断，相似度低于0.2时是很难发现这三个时期的俳句的表达差异的，无法感知其相似性也就难以进行比较。换言之，计算机通过将相似性量化的方法，捕捉到了人类肉眼无法比较的表达层面上的差异，并展示了其变化趋势。尽管是非常细微的差异，但确实可以看到后期的俳句创作在不断远离芭蕉式的表达。通过对近代俳句的大规模分析，揭示出了人力所不易察觉的长期且细微的“修辞回声”的变化。

表1　《芭蕉俳句全集》与《明治句集》中的高相似度作品

表2　《芭蕉俳句全集》与《大正百家选》中的高相似度作品

表3　《芭蕉俳句全集》与《现代综合大句集》中的高相似度作品

4 从正冈子规看芭蕉的接受

本章将以正冈子规的俳句为例，进一步考察日本近代对芭蕉的接受情况。

在此有必要指出本次定量分析的局限性。首先，用于对照的正文数据有一定局限。若要追求文学研究的精确性，原本需要在“全句”范围内进行详细考察，而且机器的文字识别准确性显然远未达到完美。其次，无论是芭蕉还是子规，其俳句风格均存在变化，文学研究向来是重视这种变化本身的[32]，而以“全句”作为比较对象的量化分析就忽略了这种风格上的变化。但是，通过更细致的数据分类、文本校对和预处理等方法，或许能够在一定程度上克服这些问题。

正冈子规的俳句数据来源于子规纪念博物馆的“俳句检索”系统。本研究对其收录的25097句俳句进行了整理，将片假名转换为平假名，并分别准备了旧体字和新体字的数据。下文中将这个数据集称为“子规全句”。

我们首先将子规全句与《芭蕉俳句全集》和《明治句集》分别进行了比较，采用了与前一章相同的方法，结果如图3所示。观察图中曲线可以注意到两个特点：一是相比《芭蕉俳句全集》，《明治句集》和子规全句的相似度明显更高，这一点可以与图2进行对照，其差异一目了然；第二点是，相比《明治句集》，子规全句和《芭蕉俳句全集》的相似度更高。

      其中第二点似乎与一般认知相悖，因为致力于推动俳句近代化改革的子规，是以严厉批评芭蕉而闻名的。在《芭蕉杂谈》中，他曾以激烈的言辞说道：“芭蕉的俳句大半为劣句废话所充斥，能称为上乘之作的不过几十分之一”，还称“与其说芭蕉的作品受到肯定，不如说其品行为人所钦慕”，认为是芭蕉的人品而非其作品本身获得了评价。

图3　《芭蕉俳句全集》《明治句集》与子规全句的相似度比较

这些是通过仔细解读子规的评论所掌握的他对芭蕉的具体解读。因此，就直觉而言，在将子规俳句与明治时期的大规模句集进行比较时，得出子规的作品反而更接近芭蕉这一结果，很难不让人感到困惑。在俳句革命中，正冈子规对被偶像化的芭蕉的批判广为人知。

      然而分析的结果确实如图3所示。那么，二人的作品究竟在哪些方面显示出相似呢？在讨论这个问题之前，还需要回顾一下图3的另一个特点，即明治句集与子规全句的相似性。与芭蕉作品相比，子规作品与《明治句集》之间的距离明显更为接近。

表4　《芭蕉俳句全集》和《明治句集》、子规全句中的高相似度句

相比之下，子规俳句中与芭蕉相似的句子，显然是有意识地进行了借鉴，并且在保持距离感的同时试图展现出一种幽默与机智。例如，子规的“春之山畠となつてしまひけり”很可能借鉴了芭蕉的“春の夜は櫻に明けてしまひけり”。芭蕉吟咏的是令人沉醉忘返、不觉夜明的樱花之美，而子规则以一种轻松而幽默的笔触，描写了本应繁花盛放的春山被开垦为农田的当下社会变化。正因为子规借鉴了芭蕉描绘樱花之美时那种超脱了世俗与时光的意境，才让他对人类的贪婪之举逐渐改变自然景观的现世景象的观察显得尤为独特而深刻。

此外，子规还将芭蕉以佛教悟理为主题的俳句“稻妻に悟らぬ人の尊さよ”改写为“長き夜を寐足らぬ人の尊さよ”。此句创作于1895年，当时子规尚未因病卧床，这一句或许只是单纯地表达了对能够安睡之人的羡慕之情吧。还有“肥壺や蛙とびこむ夕まぐれ”这一句，显然是以诙谐的口吻模仿了芭蕉的名句“古池や蛙とびこむ水の音”。

本章将子规俳句的全部数据与芭蕉俳句进行了对比分析。芭蕉与子规的关系一直以来受到了较多的关注，也有研究深入探讨了二人的个别俳句作品，但是将其所有俳句进行全面比较应该是此前尚未有过的尝试。当然，其中可能存在偶然的相似，也有一些可能仅是戏谑之作，并且如前章所述，即使仅有个别文字的重合，计算机也会统计在列。但是，正是通过如此这般机械化的比对，不放过任何字面上的外在相似性，并且全面展示了相似度从高到低的所有内容，我们才能够开辟出一条新的道路从整体上去思考有关相似性的问题，包括那些可能会被忽略的俳句。

当然，本研究也存在一定局限。本次分析以松尾芭蕉的俳句为起点，将芭蕉作品为单一中心点与数万首其他俳句进行对比，在形式性相似的层面上呈现出芭蕉与后世不同时期、不同作品之间的距离，但是无法涵盖俳句传统中多源并行的影响脉络。具体而言，近代俳句所受影响并不局限于芭蕉，而芭蕉本人亦承续了前代诸家的创作传统，此类复线性的继承关系未能在本研究中得到充分讨论。若能选取其他俳人为起点重复同样的分析，或许能够勾勒出新的影响关系网络。通过多重视角反复展开类似研究，俳句的接受史将得以进一步深化和拓展。

5 基于定量分析的接受研究的可能性

如上所述，基于国立国会图书馆“下一代数字图书馆”的馆藏资料，本文对明治、大正和昭和战前时期的大规模俳句集和《芭蕉俳句全集》进行了比较分析，还考察了正冈子规的俳句和芭蕉作品、《明治句集》的相似性。

目前，依靠计算机进行的质性内容分析还远远无法达到人类研究者的水平。无论是芭蕉、子规，还是大规模俳句集，都需要参考时代语境、作为借鉴的先前文学遗产，以及创作者的个人经历和经验等。这些的外部信息广泛存在于多种形式，需要细致解读并结合作品进行深入挖掘、论证。但是目前能够做到这一点的，仍然只有人类研究者。

但也有一些任务是只能通过计算机的数据解析完成的。无论如何，其工作内容的规模和效率都是压倒性的。近年来，随着技术的进步和大环境的变化，文艺作品的文本数字化进程加快，分析技术也不断提升。计算机的数据分析速度让人力不可企及的海量资料读取成为可能。由于工作量和速度的限制，人类通常需要根据文学家的重要性或文学史上的价值去预先筛选分析对象。这不仅导致了资料数量的局限，还可能产生先入为主的偏见。与此相比，计算机的工作则可以无视现有的文学史价值判断，将一切转化为数字进行处理。

就文学接受研究而言，除以往人类研究者探讨较多的创作者之间或作品之间的相互影响关系之外，如今还可以借助计算机对作品数据进行定量分析，追踪作品之间的相似性、潜在的共同主题以及作品主题的变化等。

关于“接受”和“影响”的既有讨论，大多基于某些重要的资料或优秀作品提取出抽象的主题，或者从某文学家或文艺群体使用的概念和理念（例如芭蕉及其门派提出的“风雅”“轻妙”等）的传承角度展开论述。例如，研究芭蕉近代接受史的权威学者久保田晴次如此描述他的研究目标：“本书的意图在于探讨众多的芭蕉论究的意义所在，以及从一种芭蕉论到另一种芭蕉论的流变所具有的意义。”久保田分析了芥川龙之介等近代作家对芭蕉的评价，考察其中的“意义”并揭示了芭蕉论的“流变”。最终，久保田选择以“实存”一词作为总结其研究的关键词。

从这种传统的文学研究的角度来看，本文在第二章的论述中将“引用”视为“接受”，以及在第三章和第四章中使用N-gram将俳句分解、通过句中词语的匹配数量来计算相似性的方法，可能会显得过于肤浅。因为“引用”是否等同于“接受”、用语的“相似”是否意味着“接受”，这些质疑是不可避免的。

1918年，高浜虚子曾写道：“从德川初期到如今的明治大正，尽管俳句经历了或多或少的盛衰与变化，但可以说俳句就是芭蕉的文学。换言之，自松尾芭蕉这个人物出现并给传统俳句带来一场革命，在此后的二百余年间，虽涌现出俳人无数，但大多不过是步芭蕉后尘而已。”从江户到近代的两百多年里，俳人们的创作只是继承了芭蕉的文学事业，而虚子所指的“芭蕉的事业”，恐怕并非指芭蕉俳句的字面形式。字面的相似只是表面问题，更重要的应该是芭蕉的精神形态或世界观。若非如此，虚子也不可能做出这样的论断。

然而，在使用计算机进行大量数据分析的方法逐渐被引入文学研究领域的今天，真正需要重新审视的并非精神、思想或看待事物的方法。更重要的在于倾听并审视这些“修辞回声”，即坚持从字面层面入手的阅读实践，探索区别于人类传统阅读方式的其他可能性，重新构建“质”所无法衡量的、基于“量”的文学史。当然，这并不意味着思想的传承或文学观念的接受毫无意义。这些探索，如同过往一样，今后仍将是重要的研究课题。但是，贴近文本的分析同样重要。定量研究，即便不称之为“细读”，确是能够做到“贴近文本的分析”。它能够摈弃先入之见，忠实地追随文字，统计数量，计算概率、频率和字数。

尤其是在俳句中，文字的力量显得尤为巨大。在这种文学形式里，作品最多不会超过20个字，因此每一个字所承担的角色自然就变得举足轻重。桑原武夫曾经提出一个挑战性的问题：如果将作者的名字隐去，我们是否能够分辨出哪些是当代名家的俳句？他在这篇著名的评论中指出：俳句所面临的宿命就是，作品实际能够呈现的，与作者的理念或理想相比，总是显得言不尽意。因此，桑原认为，“就现代俳句而言，仅凭作品本身（即单独的一首俳句）去判定作者的地位是非常困难的”。芭蕉提出的俳谐世界固然所见高远，但这种高度抽象的概念性问题是否能在一个具体作品中得到充分的展现呢，现实未必如此。然而，正是这种局限，反而赋予了文字更多吸引读者深入解读的力量。面对通常只有十几个字的俳句作品时，读者会认真揣摩句中的每一个字词，在脑海中描绘这一句所构建的世界，甚至试图从芭蕉、芜村或子规的只言片语中推究他们的理念或理想。因此在俳句研究中，文字是至关重要的。而计算机的数据分析能力，让这种贴近文本的俳句分析、即对“修辞回声”的解构成为可能。这种能力，无疑将在未来的俳句和俳谐研究中发挥巨大作用。不过，计算机所追随的，终究是数字，而非理念。

文学作品的定量分析并非总能收获丰硕的成果，在很多时候，它可能只是验证了人们大致预料到的结果。例如，本研究中关于芭蕉的影响力从明治时期到昭和战前期间逐渐减弱的部分结论，也体现了这一点。当然，用明确的数字去证实那些隐约的猜想，这本身也是有意义的事情。但是，当计算机辅助的定量研究得出与预期相悖或完全未曾预想到的结果、以及发现人类未能发现的变化和特征时，就会产生较大的冲击力。例如，在松尾芭蕉与后世俳句作品相似性的经年变化中，当相似度低于0.2时，仅靠人力难以察觉，但计算机却检测到了这些细微的变化。此外，计算机还发现正冈子规的俳句比明治末年出版的大规模俳句选集在文字表达上更接近松尾芭蕉。这一结果有悖于我们对正冈子规——俳句近代化革命的旗手，同时亦是芭蕉的批评者——的直觉判断和先入之见。

6  结语——从“无意识修辞”到“数字文学史”

本文以接受研究为例进行了相关考察，可以认为，计算机辅助的文学定量研究是一种新的话语分析方法。就文学接受研究的历史而言，这种方法有可能在理论上更新姚斯提出的“期待视野”概念。姚斯试图从传统的文学创作和叙述美学转向接受和影响的维度重写文学史。从读者来看，文学作品并非出现在真空之中。读者心中始终有着判断的标准，会通过该文学体裁的内在规范、与名著之间的关系、诗性语言与实用语言的差异等来衡量对作品的接受方式。并且，文学作品本身也是在“广告、公开或非公开的信号、熟悉的标志或隐含的指令”中被创作出来的，这些因素极大地影响了读者对作品的接受方式。因此，新创作的文学作品都是基于“阅读的记忆”被接受的，同时又是被置于所谓的“期待”——“这部作品应该是这样的吧”——之中被解读的。这就是姚斯所说的同时代读者的“期待视野”。然而，优秀的原创作品是不同的，它们能够打破读者的“期待视野”，将文学史推向新的境地。

姚斯希望能从接受和影响的角度重新审视文学史，其重要性不容置疑，但是问题仍在于研究者应该借助何种资料与分析手段，才能有效重构这一“期待视野”仍然是一个尚未解决的问题。尽管在回顾文学史时，我们可以在一定程度上进行描述，但若谈及同时代的文学（研究）却显得困难重重。然而，随着大量数字文本的出现，如今重构“期待视野”正在成为可能——以一种与不同于以往的方式。过去和当代读者的阅读痕迹沉睡在数字档案和网络上的各类数据之中。如何挖掘这些痕迹，正是数字人文的文学接受研究所面临的课题，亦是可能性所在。通过对特定时代可获取的阅读数据进行大规模计算分析，并由研究者对分析结果进行解读，便能够揭示出该时代特有的阅读方式，而这理应构成“期待视野”的重要组成部分。

本文以接受研究为例进行了探讨，但这种方法的潜在可能性并不局限于该领域。海量数字化文本及各类信息分析技术的涌现，为多种文学类型的修辞分析带来了新的启示。关键在于，这种量化分析方法具备两大特质——其精细度超越了人类的感知能力，且在规模上又超出人类的处理极限。更值得关注的是，文学家创造的修辞本身往往延伸到创作者有意识控制的范围之外。文本中存在着作者本人未曾察觉的句式与引用，流淌着同时代其他创作者与评论家未能识别的互文链。这些无意识的修辞痕迹，早已深深镌刻在文本的字里行间。而精微且大规模的计算分析，正是从这些字面纹理中解析出“修辞回声”。笔者认为，基于定量的数据分析方法能够提炼出个体乃至时代中潜藏的“无意识修辞”。

文字所编织的图案，即为修辞。如今，修辞的矿脉正在大规模地转移到数字文本之中。不仅是文豪和诗圣的作品，那些被遗忘的小说家、小众诗人、无名的业余文学爱好者的创作，也都构成了这座矿山的一部分。著名评论家撰写的有影响力的评论、匿名的时事评论，以及地方读者的读后感，都平等地埋藏其中。计算机不会区别对待文豪、业余创作者、专业评论家或普通读者，而是通过挖掘将所有内容转化为数字的话语=数据的矿脉，即探听“修辞回声”，从而让我们得以从仅由著名文学家之间的相互关系来论述的俄狄浦斯式的文学史中逃离。数据挖掘揭示了人们与时代的无意识修辞，而新的“数字文学史”也将随之诞生。

初审：徐碧姗

复审：段婧怡

终审：夏翠娟

（一）“文献”概念溯源与新视角的引入

我国是一个史籍浩瀚、史学发达的国家，文献的产生、流传和研究已有悠久的历史。随着时代的发展，“文献”一词的含义在不断变化。《辞海》将“文献”释义为“专指具有价值或与某学科相关的图书文物资料”，《现代汉语词典》将“文献”解释为“有历史价值或参考价值的图书资料”。所以，现在人们通常所理解的“文献”是指图书、期刊、典章等所记录知识的总和。

而如果我们将考察的视线拉得更长可以发现，最早将“文献”一词用作书名的著作是元代马端临的《文献通考》，而“文献”一词的最早出处则可以追溯到《论语》。在《论语·八佾》中，孔子曾说：“夏礼吾能言之，杞不足征也；殷礼吾能言之，宋不足征也。文献不足故也，足则吾能征之矣。”何晏《论语集解》中引东汉经学大师郑玄的注云：“献，犹贤也。我不以礼成之者，以此二国之君，文章贤才不足故也。”这里用“文章”解释“文”，用“贤才”解释“献”。宋代朱熹在《四书章句集注》中解释道：“文，典籍也。献，贤也。”^[1]“文”是指历史典籍、档案等文字资料，“献”是指博学多才、熟悉掌故的贤才。清代刘宝楠在《论语正义》中也沿用了这一说法：“‘文’谓典策，‘献’谓秉礼之贤士大夫。”^[2]后来杨伯峻在《论语译注》中的注释为：“《论语》的‘文献’包括历代的历史文件和当时的贤者两项。今日‘文献’一词只指历史文件而言。”^[3]

鉴于上述梳理可以看出，今天我们常用的“文献观”对于“文献”概念的理解，如果较之“文献”一词的原初含义而言，其实是只得其半，而缺失了对于“人”本身的理解。因此，为了提供一个更加贴合“文献”概念原初含义的新的“文献观”解释框架，本文尝试引入文化哲学、技术哲学的新视角，来探索一种新的“文献观”表达，试图将“文”与“献”纳入一个整体框架来进行理解，并从中发现人类“文献”发展史的规律与趋势。

（二）文化哲学的新视角——人是符号的动物

恩斯特·卡西尔（Ernst Cassirer，1874—1945）是德国著名的文化哲学家，被誉为“当代哲学中最德高望重的人物之一”。卡西尔在其代表作《人论》中概括表达了他的符号论文化哲学体系，他认为人类文化形式都是符号形式。因此，我们应当把人定义为符号的动物（animal symbolicum）来取代把人定义为理性的动物。^[4]也就是说，人是能用符号去创造文化的动物。从而可以理解，人是创造符号并以此创造文化的动物，符号是人区别于动物的一个显著特点。人类拥有其他一切动物不具有的符号系统，人可以在创造符号的过程中获得自由与解放，成为真正意义上的人。

“符号”是卡西尔文化哲学思想体系中的核心观念。在卡西尔这里，“符号”不是具体的单个符号，而是一个整体的概念，具有极其丰富的内容和意义，他将人类文化的各种形式包括语言、神话、寓言、宗教、艺术、科学、历史等都看作符号形式。人与符号紧密相连，符号是人类创造文化的媒介。人具有符号化的思维模式，并通过符号创造文化，即创造一个符号世界，进而认识自我、发展自我。符号化的思维和符号化的行为是人类生活中最富于代表性的特征，并且人类文化的全部发展都依赖于这些条件，这一点是无可争辩的。^[5]可见，符号是人和文化的共同本质，人—符号—文化构成了三位一体的存在。首先，符号可以理解为作为文化现象的符号形式；其次，符号体现了主体（人）本质的符号活动；另外，符号展现了被赋予的符号意义。

在卡西尔看来，“符号”（symbol）是与“信号”（sign）相对的，“信号是物理的存在世界之一部分，符号则是人类的意义世界之一部分。信号是操作者（operator），而符号是指称者（designator）”。^[6]文化符号和自然界的信号有严格区别，这二者体现了“人禽之别”的关键，即动物只能对信号做出条件反射，只有人才能掌握和运用信号，并将信号改造成有意义的符号，所以“信号”与“符号”的核心差别在于“意义”。如图1所示，人和动物与客观世界的互动方式是不同的，动物与世界直接互动，往返的是信号，信号不具有意义，它是物理性的、实体性的存在；人与世界则通过符号进行互动，符号是意义的表达。符号是人类的创造物，人具有符号构形能力，不存在无意义的符号，也不存在无符号的意义。

图1 人和动物与客观世界的互动方式差异

由此可以看出，基于“符号”这一视角，可以认为，主流“文献观”定义里的“价值”与“知识”等跟卡西尔最为强调的“意义”是内在相通的，因此，可以用“符号系统”这一概念来提炼与概括“文献”中“文”的内涵。符号系统成为连接人与文化的通道，构成整个人类文化世界。

从根本上说，人是符号的动物，符号揭示着人的本质，延伸着人的能力，人所创造的符号成为人与世界的中介，人所面对的世界也是符号世界。与此同时，卡西尔认为，符号具有二重性，即符号具有可感载体与普遍意义两个方面。人类可以像其他动物一样以各种感官与世界进行交往，依据物理信息与外界进行沟通，此时世界是可感知的。另一方面，人具有符号能力并进行符号活动，正是这种符号能力将自己与动物区别开来，当人类作为“符号”动物与世界交往时，人类是有意识的、有思想的、有理智的，此时“符号”成了载体与意义的统一。

需要指出的是，就历时性的角度而言，作为人与世界之中介的符号系统是具有历史性的，也就是说，一个个体所面对的符号世界从根本上说正是该个体之前全部的人类历史中所能留存下来的符号的整体。

（三）技术哲学的新视角——符号是人体感官的外化与延伸

从卡西尔把人定义为“符号的动物”来看，一方面，人是创造和发明符号的动物；另一方面，人是使用符号的动物。正是由于人的能动性与创造性，人能够制造和使用符号，人的意识、愿望、思维等精神能在具体实践活动中对象化到客观世界，实现客观世界的符号化，比如艺术是人类直觉或观照的客观化，语言和科学是人类概念的客观化，而这些符号可以将人体感官不断地外化和延伸。

其实在更早的德国技术哲学家恩斯特·卡普（Ernst Kapp，1808—1896）那里，曾更加明确地提出了工具和器物是人体“器官投影”（Organ Projection）的核心观点，在其被认为是技术哲学奠基性著作的《技术哲学纲要——从新观点看文化发生史》（1877）一书中，卡普试图用器官投影论的新观点，通过作为技术文化的工具发生历程来解释人类文化的演进历史，他认为，人体的外形和功能总是作为人类最理解的客观存在，当成创造技术的外形和功能的尺度，投影到外部环境；所有工具的源泉和本原的技术，都是建立在人的器官特别是手的基础之上的。因此，人是制造器物的尺度。^[7]卡普的“器官投影”理论开创了一种分析技术的独特视角，某种程度上，我们可以说是他提出了技术生成文化理论，并从技术哲学范式内部对技术的本质进行思考。

作为卡普“器官投影”论在媒介时代延续的加拿大媒介理论家马歇尔·麦克卢汉（Marshall McLuhan，1911—1980）在他的名著《理解媒介：论人的延伸》一书中提出：媒介，即技术，可以是人的任何延伸。媒介带来一种新的技术尺度，人的延伸及其感知比率随之改变，就形成一定的后果。这就是“媒介即讯息”。^[8]媒介是那些延伸人类器官的所有工具、技术和活动，一切技术都可以被看作是不同人体器官的延伸，比如，车轮是人类脚步的延伸，衣服是人类肌肤的延伸，报纸是人的言语和视觉的延伸，广播是听觉的延伸，等等。万物皆媒介，凡是能使人与人、人与事物或事物与事物之间产生关系的物质都是广义的媒介。半个世纪之后，美国学者凯文·凯利在《科技想要什么》一书中进一步认为“技术是思维的延伸”，将技术称为“第七王国”，并提出了“技术元素”（technium）的概念，这里的“技术元素”包括硬件、文化、艺术、社会制度以及各类思想。他认为科技是我们躯体的延伸，技术元素是生命的延伸，技术应该被理解为一种正在进化的生命。^[9]

综上所述可以看出，就技术哲学的视角而言，作为人与世界的中介的符号及其能力也可以被视为“符号技术”，其本身就是人类感官与思维的外化与延伸。进一步的，再就符号的历史性而言，一个个体所面对的符号世界从根本上说正是该个体之前全部的人类历史中所能留存下来的前人们感官与思维外化与延伸的整体。因此，就其符号整体的所指而言，它指向的是前人们于四维时空、眼耳鼻舌身意全感官的所有真实而鲜活的生命经验，而就该符号整体的能指而言，它则是特定历史时代与对应的特定符号技术下对上述多维度、全感官生命经验的部分维度、部分感官的“投影”。

（四）双重视角下的新文献观

总体而论，从文化哲学的视角来看，人是创造符号并以此创造文化和进行文化实践的动物；从技术哲学的视角来看，符号是人体感官的外化与延伸，也可以理解为，人类的一切活动是借助于符号技术不断外化自身的过程。基于此，在文化和技术哲学的双重视角下，可以构建一种新的“文献观”表达，即“文献”是一个符号系统，是人类进行一切生命活动的符号化记录，其映射的对象其实是真实而鲜活的历史人物的生命体验所外化于四维时空形成的高维度、全感官的历史文化世界。

因此，作为总结，就作为人与世界的历史性的中介而言的符号世界对应着本文新文献观中“文”的内涵，而在客观世界的角度来看，人与历史性的符号世界构成的具有意义、价值、历史性的整体，则对应着本文新文献观中“献”的内涵，如图2所示。

图2双重视角下的新文献观

可见，文献这一符号系统依赖于对应时代的符号书写与媒介技术，特定时代的符号书写与媒介技术的维度决定了文献的维度，它蕴含着人类活动、媒介技术（符号书写）、知识生成（符号世界）相互依存的关系。事实上，“文”与“献”本身就是一个整体的结构体系，遵循着人类历史文化发展的规律与趋势。

（五）人类符号技术发展趋势与数字人文的必然

如前所述，人类符号技术的发展史其实就是人类文化的发生史，是人类不断追求更有效、更丰富地去外化与延伸自身感官与思维的历史，因此，人类符号技术也在多维度与多感官两个角度呈现出了历史性的发展趋势。

在原始社会，人们通过结绳、绘画、雕刻等方式记载和传递信息，这些图形和符号逐步演变并形成最初的符号系统。当文字及印刷技术出现后，人类的视觉得到了延伸。其中，“文字”的产生打破了“口耳相传”的局限，成为人类用符号记录和表达信息的突破性进步，从最早的抽象图画，再到象形文字、指事文字、会意文字等。广播、电视等媒介技术的诞生，改变了人们的生活方式和文化体验。广播延伸了人的听觉，而电视结合着语言符号与非语言符号，更是综合了文字、声音、图像等多重符号，具有“声画合一”的特点，更全方位延伸了人们的视觉和听觉。21世纪以来，随着信息科技的迅猛发展，增强现实（AR）、虚拟现实（VR）以及混合现实（MR）等技术突飞猛进，让人类视觉的延伸逐渐从平面化的二维向立体化的三维拓展，如图3所示。与此同时，通过不断创新的数字技术的加持，人类的嗅觉、味觉、触觉等也得以被前所未有的数字化模拟，更进一步的，人工智能、脑机接口等颠覆性技术也逐渐显露了越来越多的曙光。

图3 符号技术发展简史与趋势

由此可见，作为与人类文化发生史相伴生的符号技术呈现出追求更高时空维度、更多感官意识维度的必然趋势，因此，数字文献技术这一作为人类思维与智能的外化与延伸的符号技术必然成为当今人类符号技术发展的大势所趋与时代主题。方兴未艾的数字化改变了传统文献的生产、存储、研究和使用方式，以印刷媒介为基础的传统文献生产体系正向以智能媒介为前提的数字文献生产体系转变。^[10]数字化促进了知识形态的变革与演进。随着大数据技术的应用以及人工智能等数字技术的发展，古籍数字化、文献数字化已成为共同趋势，数字文献大量出现。数字人文数据以文本形式为主，兼有图片、音频、视频、3D等多元数据形式。文本资料有地方古典文本资料、图书、笔记、家谱资料等。图片有地图、画作、壁画等。3D数据有器皿、雕塑等。音频与视频数据包括访谈、纪录片等多媒体数据。^[11]

与此同时，由于人类符号技术始终不断追求更高时空维度、更多感官意识维度的表达，因此，每当有一种新的、具有更高时空维度与更多感官意识维度的人类符号技术出现后，此前所记录下来的人类文化历史都将被这种新的符号技术“重新书写”，并被依托其更加丰富的维度与感官进行持续不断地“扩写”与“创写”。并且，这样的“重新书写”呈现出越来越多的高时空、跨学科、多模态、全场景等特点，为人类、文化、历史的全面延伸尤其是具有悠久历史文献传统的中华优秀传统文化的全面延伸提供了无限丰富的可能。

习近平总书记曾强调，“要系统梳理传统文化资源，让收藏在禁宫里的文物、陈列在广阔大地上的遗产、书写在古籍里的文字都活起来”。让文物和文化遗产“活起来”……最终实现“让文物说话，让历史说话，让文化说话”。^[12]为此，中华书局立足自身深厚的文化积淀与数字文献技术优势，首创研发了全国首位3D超写实历史文化名人——“苏东坡数字人”。

（一）从数字文献视角看古代历史文化名人数字人的研发特征

“数字人”是指通过计算机图形渲染、动画驱动、动作捕捉、语音合成、人工智能等技术打造的虚拟仿真人物，其产生本身就是文化与科技深度融合的产物。清华大学《2020—2021元宇宙发展研究报告》指出，2021年被产业界称为“元宇宙元年”。因此，作为未来元宇宙数字世界主体性存在的“数字人”，自2021年迎来了爆发式的发展。与此同时，随着我国经济社会的全面发展和国际地位的不断加强，中华优秀传统文化在作为互联网原住民的年轻人群中的认同度与影响力在不断提升。在这样的时代背景下，从2021年至今，各类国风数字人陆续发布，俨然已经成为中华优秀传统文化活化利用的标配。如2021年10月28日，中央戏剧学院与北京理工大学共同发布“梅兰芳”，2022年5月18日，中国文物交流中心发布“文夭夭”，2022年6月3日，新华网发布“筱竹”，同一天浙江卫视发布“谷小雨”，2022年6月15日，敦煌研究院发布“伽瑶”，2022年7月22日，国家博物馆发布“艾雯雯”，等等。

但纵观以上多位国风数字人，除了“梅兰芳”外，均属于“纯虚构型”数字人，即历史上并没有真实存在过这个人物，而对于古代的真实历史文化名人进行“复活”的超写实数字人，则一直是一个空白。究其原因，需要先从数字人的分类入手进行分析。

在中华书局“苏东坡数字人”之前，数字人行业内对于数字人的分类通常是采用两类方法。其一，是根据数字人的角色形象与建模技术进行分类，分为二次元数字人、2.5次元数字人、3D卡通数字人、3D写实数字人等。其二，是根据数字人的功能与应用场景进行分类，分为服务型数字人、身份型数字人等。其中，服务型数字人可用于替代真人服务，并作为多模态AI助手提供服务，如虚拟主播、虚拟教师、虚拟客服等；身份型数字人则可以实现虚拟IP、虚拟分身等功能。然而，这两种分类方法均无法解释和分析历史文化名人数字人的独有特征。为此，中华书局立足数字文献的全新视角，对数字人进行了全新的分类，并从文献不同特征的角度进行象限化分析，逐步探索出历史文化名人数字人研发的理论基础与方法论思路。

首先采用“有无文献依据”和“文献是否齐清定”两个指标来进行分析，可以得出如下的三个象限，如表1所示。第一类虚拟数字人对象是“在历史文化符号世界中曾经真实存在过的人”，这类数字人的研发是基于真实有效的文献资料，且文献具有“齐”（齐全）、“清”（清晰）、“定”（确定）等特点。第二类虚拟数字人对象是“正在活着的人”，他们虽然有文献资料记载，但其文献资料还处于不断创作和变化之中，所以具有不稳定性，还未成“定论”。第三类是纯虚拟数字人，这类数字人并无文献典籍的基础，在历史上未曾真实生活过。

表1基于文献维度的全新数字人分类（一）

然后，可以采用“文献的维度”和“文献的感官”两个指标来对第一类数字人进行进一步分析，如表2所示，古代历史文化名人只有关于身体记录的抽象的文字文献（可视为一维文献），但现代历史文化名人具有三维立体身体数据（三维文献）和动态影像文献（四维文献）。另外，古代历史文化名人只有画像等“非完全真实”的视觉文献，无真实的听觉、嗅觉等文献，但现代历史文化名人具有真实的视觉、听觉文献，甚至可能留存有部分程度的嗅觉文献。他们留存有照片、音视频、使用过的器物等资料。

表2 基于文献维度的全新数字人分类（二）

最后，再通过“有无真实地理文献”这一指标，还可以将古代历史文化名人176分为两类，如表3所示。一类是以苏东坡、李白、李清照等中华先贤人物为代表的曾在历史上真实活过的人物，另一类是以苏小妹、林黛玉、孙悟空等为代表的在文学符号世界中存在的人物。

表3 基于文献维度的全新数字人分类（三）

（二）中华书局古代历史文化名人数字人研发的方法论心得

综上所述可以看出，对于超写实的古代历史文化名人数字人的研发而言，可谓是一项几乎前无古人的工作，一方面要求数字人的开发技术本身必须达到与超写实纯虚拟数字人同样的行业前沿水准，另一方面又不允许像纯虚拟数字人那样天马行空地随意发挥，但与此同时，又缺乏像邓丽君、梅兰芳数字人那样的真实照片与动态视听影像的文献支撑，因此需要独辟蹊径、守正创新。为此，中华书局始终牢牢扎根“文献”这一关键基础，逐步摸索出了一些古籍文献数字化应用的全新方法论。

其一，要将重写与创写有机结合。

如前所述，每当有一种新的、具有更高时空维度与更多感官意识维度的人类符号技术出现后，此前所记录下来的人类文化历史都将被这种新的符号技术“重新书写”，并被依托其更加丰富的维度与感官进行持续不断的“扩写”与“创写”。就超写实古代历史文化名人数字人的研发而言，首先，必须要求是“重写”，而且是严格遵从古籍文献学术共识的“重写”，这是与纯虚拟数字人研发方法的根本区别——也因此，古籍文献数据的学术共识对于超写实古代历史文化名人数字人的研发来说是应该具有“一票否决权”的，即明显不符合古籍文献记载的古代历史文化名人数字人是应该被限制准入的。

以苏东坡数字人的“塑形”为例，中华书局在总字数超70亿字的古籍大数据中心中进行了海量搜索，通过一系列精心设计的关键词精准抓取到了一批涉及苏东坡容貌形象的古籍文本数据，与此同时，又通过图像搜索技术，抓取了由宋至清各个不同时期所作的涉及苏东坡的画作100余幅，既包括苏东坡单人画像，也包括如《西园雅集》《赤壁》等主题群像以及若干石刻画像拓片等，从而初步形成了对于苏东坡容貌形象之“古籍真实”的把握，然后再结合权威专业的专家系统进行校验，最终确定下来超写实苏东坡数字人的每一个细节并确保与历史文献资料不相违背，实现严格科学的“重写”。

然而，由于古代历史文化名人只有来自古籍文字记载的一维文献和非完全真实的画像类二维文献，缺乏像邓丽君、梅兰芳等人的真实三维立体身体数据和动态影像数据这样的四维文献，所以对于古代历史文化名人数字人的“塑形”而言，科学规范的“重写”只能做到“不错”（即没有古籍文献的反例），但无法证明“全对”（即只有如此才是唯一正确的），因此，在“不错”与“全对”之间的部分，需要进行一定程度的“创写”——这也正是古代历史文化名人数字人与邓丽君、梅兰芳等数字人研发方法的根本区别。

以苏东坡数字人为例，中华书局在深入挖掘古籍文献中对于苏东坡容貌形象的记载数据的同时，还致力于深度提炼苏东坡的精神气质。为此，中华书局通过“苏东坡专题数据库”与“苏东坡主题知识图谱”的深度挖掘，侧重提取苏东坡本人、同时代人、后代历史人物以及现当代专家学者对于苏东坡精神气质的凝练与概括，并且还对当前各大主要社交媒体上有关苏东坡的内容中反映的东坡气质进行了搜集与提炼，最终实现在“塑形”基础上进一步的“凝神”，让苏东坡数字人不仅形似，更加神似。

图4 全国首位3D超写实数字人苏东坡

其二，重写与创写都具有当代性。

正如前文所言，任何一个符号，就其能指而言，都是特定历史时代与对应的特定符号技术下对多维度、全感官生命经验的部分维度、部分感官的“投影”，“苏东坡数字人”作为当下时代产生的一个数字文献符号作品，它的“重写”与“创写”也都具有典型的“当代史”特征，即它在将古籍文字一维文献、画像类二维文献以及精神气质等的文字表达综合起来最终予以3D超写实、可动态交互的数字人表达时，其实已经不可避免地带进了“当代人们的精神”，一如意大利历史哲学家贝奈戴托·克罗齐（Benedetto Croce，1866—1952）在其《历史学的理论和实际》一书中指出的：“一切历史都是当代史。”在克罗齐看来，当代性不是某一类历史的特征，而是一切历史的内在特征。^[13]真正的历史属于当代生活，当我们在思考过去的历史时，会把过去纳入我们当前的思想和精神之中，体现我们当前的思想活动和精神生活，历史时刻此时便与人们的思想或精神紧密相连，成了“活生生的历史”，也反映了当下人们的思考，因而从这一意义上来说一切历史都是当代的。由于实践的需要以及人们对历史事件的认识不断深化，历史上发生的事件会以新的形式再次“复现”。

其三，既要塑形、凝神，更要赋魂。

为了让古籍里的历史文化名人真正地“活起来”，让他们以数字人的身份真正走出古籍书本、走进当今时代、当下生活，我们需要将平面化的文学文本转变为立体化的虚拟场景。这不仅能带来视觉上的直观冲击，同时还能提供互动式体验和全新理解。^[14]因此，在数字人“塑形”“凝神”的基础上，我们需要进一步为其进行“赋魂”。

以苏东坡数字人为例，“赋魂”主要体现为古籍大数据与人工智能技术的深度融合。在这一方面，中华书局一直在持续进行古籍人工智能技术的自主研发，通过对70亿字古籍大数据的深度机器学习与人工智能训练，目前中华书局开发的古籍智能处理系统已经可以自动给古籍断句标点、自动标记人名地名、自动核对引文、自动识别古籍文字等。^[15]下一步，中华书局将在上述工作的基础上，基于与主流大模型的深度合作，使用苏东坡专题数据库对大模型进行专项人工智能训练，从而让苏东坡数字人越来越像真正的苏东坡一样去认知、去思考、去表达、去行动，最终实现苏东坡在元宇宙数字世界真正的“复活”，让苏东坡成为“中国式美好生活的代言人”，让他“活”在我们这个时代。

以人工智能版苏东坡数字人的现场实时自然语言交流为例，至少涉及如下的技术环节：（1）提问者自然语言自动转换成文字；（2）文字自动输入大模型（外挂专题数据库）并自动生成回答文字（该回答至少符合3个维度的要求：自然语言之通畅，史实学术之正确，符合苏东坡的身份与气质）；（3）回答文字自动生成数字人的语音；（4）根据语音自动驱动唇形；（5）根据语义自动匹配表情；（6）根据语言和表情自动匹配肢体动作；（7）服饰等跟随肢体动作实时自动解算。

可见，要想真正给数字人“赋魂”，不仅涉及人工智能、边缘计算、虚拟现实、实时动捕等技术，还需要专业的专题数据库、匹配应用场景的深度知识图谱等大量数据挖掘与知识服务能力的支持——例如对于历史文化名人的古籍数据进行挖掘、梳理、加工并实现数据可视化，实现文化资源数据与文化数字内容的标识解析、提炼转化、搜索查询、匹配链接、传播利用等。

（三）中华历史文化名人数字人与中华文化元宇宙展望

元宇宙是数字技术与文化内容的双向融合、联动共生。元宇宙将会给内容产业带来新的进化，在内容生产、内容形态、内容衍生、内容体验等层面赋予新的定义。^[16]“数字人”被视为未来人们进入“元宇宙”的入口，将广泛应用在元宇宙新生态中，作为元宇宙中“人”与“人”、“人”与事物、事物与事物之间产生联系或发生孪生关系的新介质，起着举足轻重的作用。可见，传统的中华文化内容产业将会被持续赋能、创新发展。人类经验对象有可能实现全面数字孪生化，线下物理空间将可能全面混合现实化，线上线下场景将全面人工智能化。

在这样的背景下，中华书局将继续发挥古籍数字化专业优势，以主题出版工程“中华先贤人物故事汇”为底本，持续研发系列化的“中华历史文化名人数字人”，如李白、李清照、陶渊明、戚继光等，逐步形成数字人矩阵，深入挖掘历史文化名人的古籍数据，在数字科技加持下进行现代化表达，形成“中华先贤数字人”IP矩阵，真正让“书写在古籍里的文字活起来”“把优秀传统文化中具有当代价值、世界意义的文化精髓提炼出来、展示出来”，让中华优秀传统文化融入时代、融入生活，更好地满足数字时代人们对于中华传统文化持续高涨的热情和需求。

进而，在全新的数字经济时代，中华文化内容产业基于古籍大数据，借助元宇宙数字科技，将有可能彻底突破传统媒介格局，构建全新数字内容生态，“创造性复原”书写在古籍里的“人、货、场”，实现中华文化的人、场景、叙事的全面数字孪生到数字原生再到虚实共生，最终实现中华文化元宇宙的宏伟愿景。

如前所述，正因为每当有一种新的具有更高时空维度与更多感官意识维度的人类符号技术出现后，此前所记录下来的人类文化历史都将被这种新的符号技术“重新书写”，并依托其更加丰富的维度与感官进行持续不断地“扩写”与“创写”，这也直接导致人类符号技术的每一次变迁都引起文化形态与学术范式的升级转型。落实到当下的大学教育而言，数字人文可以被视为数智化时代人文与科技融合发展的前沿学术阵地，或许正可以塑造未来大学教育的新形态。

（一）文献学作为一门学科在近代中国的诞生

中国传统学问虽然也有分科，但主要是从研究主体而非客体乃至方法的角度来划分，是学派而非专业。清中后期汉学发达，开始出现专门化的倾向，如龚自珍在为《阮元年谱》作序时概括出了训诂之学、校勘之学、目录之学、典章制度之学、史学、金石之学、九数之学、文章之学、性道之学、掌故之学十个方面，但总体而言这些所谓的“专门”还处于萌芽的阶段。^[17]

直至19世纪末以后，“中华民族到了最危险的时刻”，这引发了国人关于中西古今之争的深刻反思，也激发了从制度到思想的全面扬弃与重建。在学术和教育领域，古典的经学、礼教在现代学制中毫无生存空间，文以载道的圣人之学被彻底革除，西学东渐的大潮席卷而下，从自然科学到社会科学乃至人文学科，无不是建立在西方现代学科分类、研究范式和教育体系的基础之上的。在此“三千年未有之大变局”中，中国历代传统之学在大学体制中被摒弃，经史子集被肢解为文献学、语言学、哲学、史学等。1920年，梁启超在《清代学术概论》中首次提出“文献学”的概念；随后《中国文献学概要》的出版开始从学科的角度阐述文献学的内涵；陈垣、王国维、顾颉刚、罗振玉等一大批学者推动了文献学学科体系的创建。

（二）分科而治导致的“人”与“学”之分

在更广阔的历史和地理空间上考量，工业革命后职业教育对传统大学教育的冲击，以及以洪堡思想为代表的研究与教学相结合的新型大学潮流，使得德国逐渐成为当时世界教育和学术的中心。但与之相对的，作为“牛津运动”代表人物的英国主教纽曼在其著名的《大学的理念》中重新阐释了知识的分类，并在此基础上提出大学的本质在于心智的培养，从而提醒人警惕知识之恶。

与之遥相呼应的，清末新政中出台的我国第一个真正实行的现代教育体系——“癸卯学制”，其所设定的教育宗旨即为“端正趋向，造就通才”，即使是对立足于专门教育的大学堂，仍贯彻着“通”的理念。一方面，专门之学是通经致用的工具；另一方面，治学的目的是立人，学问只是成为“通人”的工具。^[18]

正如钱穆先生所言：“在中国传统知识界，不仅无从事专精自然科学上一事一物之理想，并亦无对人文界专门探求某一种知识与专门从事某一种事业之理想。因任何知识与事业，仍不过为达到整个人文理想之一工具，一途径。若专一努力于某一特殊局部，将是执偏不足以概全，举一隅不知三隅反，仍落于一技一艺。”^[19]他以此批评西方近代的学科分立时说道：“即就西方近代传授知识之大学言，分科分系，门类庞杂，而又日加增添。如文学院有文学史学哲学诸科系，治文学可以不通史学，治史学亦可不通文学。治文史可以不通哲学，治哲学亦可不通史学文学，各自专门，分疆割席，互不相通。……要而言之，则可谓之不明大体，各趋小节。知识领域已乱，更何论于人事。”^[20]在前后断裂的历史大潮中，知识层面的整理国故，以及西方导向的分科而治，目光指向的只能是专精而非博通、保存而非应用、批判而非创新。

（三）新时代提供了“文”与“献”合璧的可能性

时至今日，变局再现。这一次，工业文明经历了几十年的后工业过渡，终于开启了数字智能时代的大门。人类信息环境正在发生根本性的改变，人类文明记录和传播方式的大规模变革势必引发文明本体的重建和知识谱系的改写。以本文“新文献观”的视角来看，人与世界是一个具有历史性和当代性的整体，“文”正呈现出对“立人”的重视与回归，“献”则经历了知识生产方式的不断迭代，不论是对于文献学专业的研究和教学，乃至更广阔范围上的大学教育，都具有深刻的启发意义。为此，本文认为应该努力做好如下“三合”。

第一是专业与通识的结合。工业时代，专业教育的重要性毋庸置疑，大学为工业化的全面胜利贡献了最重要的人力基础和技术创新。同时，相伴而生的通识教育也一直在呼吁人本主义的回归，抵抗着过度专业化给人带来的异化和禁锢。但近年来，数字鸿沟、算法黑箱和信息孤岛似乎进一步强化了专业教育的卓越性，数字智能时代的技术主义与全球主义对通识教育带来了巨大的冲击和挑战。^[21]因此，大学的通识教育更应与专业相结合，走出一条专业基础上的通识之路。这不仅是因为专业教育本身已经从工业文明的摇篮跃迁为智能社会的航母，更是源于通识教育开始卸下西方“普世价值”的面具，转而深入探讨数字智能时代的“人”的本质属性。

具体而言，通识教育模式的重心在于对经典文献的研读，这恰是对一个时代经典问题的凝练、思考和解答。数字化时代的文献学更强调对于文献的跨时空、跨学科理解，不仅是知识形态的改变，更激活了其内涵的文化精神，建构出“历史—当代”相连接的当代性意义世界。这就使今日的通识教育不再局限于一般的或者说以西方价值为内核的公民教育和批判精神，转而推动个体的社会化、本土化，高扬科技与人文的交叉，塑造一种具有超越性的共同体意识，最终培养出符合“君子不器”的、可以创造和驾驭“苏东坡数字人”这一类新型成果的复合式、高层次、战略性未来人才。

第二是基础与应用的融合。2023年2月，习近平总书记在主持中共中央政治局第三次集体学习时，着重阐述了强化基础研究的重要性，强调要有组织推进“战略导向的体系化基础研究、前沿导向的探索性基础研究、市场导向的应用性基础研究”^[22]三种基础研究。尤其是“应用性基础研究”的提法更是直指“学”与“用”相分裂的痼疾——而这一点在传统的人文领域更是以“无用即大用”为由成了一种自傲。实际上，基础是源头，应用是牵引，从“文”到“献”的内化正是在应用转化的过程中实现的。尤其对于人才培养来说，如果没有（广义上的）就业前景，这个学科几乎就丧失了存在的合法性。以应用为导向的基础研究和人才培养，更加明确了目标指向和评价标准，倒逼综合改革的落地，打通了大学与社会的互动链条。

因此，一方面，数字文献学是应用数字技术来研究文献，另一方面，这也是数字技术为文献学开创了广阔的应用空间，促使其更好地服务于学术研究和社会大众，从而激活其生命力和生产力。从前述“苏东坡数字人”案例就可以看出，权威的古籍数据与专业的学术研究是基础、是源头，但如果没有数字科技的应用转化与产业赋能，这些数据就无法成为生产资料，最终也就无法形成生产力；与此同时，“苏东坡数字人”在媒体传播、城市IP发展、展览展示、文旅商融合以及人工智能驱动等方面面临的新场景、新机遇，也反过来对古籍数据的数据挖掘与知识服务、数字人人工智能的情感模型等新领域提出了更多更新、前所未有的技术与理论需求，这又引导和推动了对应学术研究的发展与创新，最终形成基础与应用融合的正反馈循环。

第三是传承与创新的综合。从推动中华优秀传统文化创造性转化、创新性发展，到把马克思主义基本原理同中国具体实际相结合、同中华优秀传统文化相结合，再到建设中华民族现代文明，习近平文化思想不断将文化传承与创新的理念推向新高度。《中庸》讲“父作之，子述之”，《论衡·对作》有“圣人作，贤者述”，“作”为创新，“述”为传承。创新需要积累，需要专业的、跨学科的、跨文明的视野，需要发现问题，更需要具有使命感。创新与传承互促共生，创新因传承而生机绵延，传承因创新而波澜壮阔。这不仅是历史与未来相逢于当下，更是作者与读者、师与生、数与文的相互成就。大学教育的本质即在于人类文明基因的复刻和进化，既追求永恒不变的“形而上者谓之道”（《易经》），又以求新求变的“圣之时者”为典范（《孟子》）。

于“苏东坡数字人”而言，它既是对历史文化名人苏东坡的“复原”，又要努力实现文化意义上的“复活”，前者是传承，后者是创新，二者缺一不可。所谓“复原”意味着“苏东坡数字人”拥有苏东坡的全部知识、记忆、史实、精神等，所谓“复活”意味着“苏东坡数字人”要融入当今的时代，用他独特的精神面貌、思想深度、批判视角和人文情怀去对当下时代、当今世界进行活生生的观察、判断、表达乃至行动、实践，进而用苏东坡的文化精神来产生现实的影响和改变。

随着时代的发展，“文献”一词的含义在不断变化。本文立足于“文献”概念原初含义的理解框架，将“文”与“献”纳入一个整体框架来进行理解，通过引入文化哲学、技术哲学的新视角探索一种新的“文献观”表达，即“文献”是一个符号系统，是人类进行一切生命活动的符号化记录。从文化哲学的视角，人是符号的动物，符号是人区别于动物的一个显著特点；从技术哲学的视角，符号是人体感官的外化与延伸，作为人与世界的中介的符号及其能力也可以被视为“符号技术”。

人类符号技术的发展史其实就是人类文化的发生史，数字文献技术这一作为人类思维与智能的外化与延伸的符号技术已成为当今人类符号技术发展的大势所趋，并使得数字人文成为必然。中华书局立足自身深厚的文化积淀与数字文献技术优势，首创研发了全国首位3D超写实历史文化名人“苏东坡数字人”，并从中摸索出了一些古籍文献数字化应用的全新方法论——这也必然伴随着人才培养的探索与创新。

落实到当下的文献学专业研究与教学而言，为了避免近代以来分科而治所导致的“人”与“学”之分，培养出既具有文史知识积淀和传统淑世情怀、又具有现代科技视野和基本数字素养的新生代学人，就需要做好专业与通识的结合、基础与应用的融合、传承与创新的综合，最终，在数字人文时代的新视野下，抓住机遇、守正创新，塑造未来大学教育的新形态。

编辑 | 耿弘明