数据展示 · 地理分布 · 风格分析 —— 三合一专题网站
| 题名 | 著者 | 年号 | 版本 | 分类 | 籍贯 | 数字化链接 |
|---|---|---|---|---|---|---|
| {{w['题名']}} | {{w['著者']}} | {{w['年号'] || '—'}} | {{w['版本类型'] || '—'}} | {{w['分类二']}} / {{w['分类三']}} | {{w['籍贯'] || '—'}} | 查看 ↗— |
暂无数据，请调整筛选条件
本模块对许乐善、徐光启两位文人的 12 部文集 进行计量风格分析：在剔除现代点校记与排版符号后， 聚焦 文言虚词（功能词） 的使用频率差异，依据 Burrows' Delta 计算文本间的风格距离， 并以 t-SNE 降维至二维平面观察聚类结构。下分两图分别采用 jieba 分词法与 字符级最长匹配抽虚词法两种方案，互为稳健性印证。
💡 交互说明：点击图例中的文集名，可显示或隐藏该文集的所有数据点（整书点与片段点）；悬停数据点可查看其作者、文体与虚词统计等信息。
每部文集以单一颜色标示：大点为整书在虚词特征空间中的位置，小点为该书按 1000 字等分后抽取的代表性片段。两点间距离越小，表示二者在所选虚词特征向量上越接近。
为控制「文体」变量对虚词分布的干扰，仅取两位作者共有文体（诗歌辞赋、书信散文、奏疏）逐一对比； Delta 值越小，表示两部文本在虚词使用上越接近。
| 文体 | 徐光启 vs 许乐善 Delta |
|---|---|
| {{ s.genre }} | {{ s.delta.toFixed(2) }} |
| 三组均值 | {{ deltaData.step1_avg.toFixed(2) }} |
将每部文集按 1000 字等分为片段（不足 300 字者剔除），统计各片段虚词分布，进而以「最近质心分类」与轮廓系数，为散点图的聚拢程度提供量化验证。
在 t-SNE 平面中，两位作者的书信散文与奏疏彼此邻近、交叠于中部区域； 徐光启的短篇技术、兵法类著作——《兵机要诀》《选练条格》《测量法义》——聚为一簇， 其孤立主要反映「篇幅短小、文体特殊」；许乐善的诗歌辞赋单独落于平面另一侧，构成诗歌类别的离群样本。 总体而言，文本在虚词特征空间中按文体／文本性质聚拢，而非按作者聚拢。
片段级「最近质心分类」总准确率约为 55.4%（jieba 分词法）／71.6%（字符级虚词法）， 显著高于随机基线（8.3%），表明语料中存在可检测的风格信号； 然而按书、按文体、按作者分组的轮廓系数均接近于 0， 说明上述三种分组均未形成清晰可分的聚类结构。 实际成团较为显著的文本集中于短篇技术类著作、宗教译著、经学著作与诗歌 （如《灵言蠡勺》25/25、《诗经传稿》52/52 片段几乎全部正确归类）， 而两位作者的长篇散文与奏疏在虚词使用上高度相似，难以区分。
在控制文体变量的前提下，两位作者的虚词（功能词）使用差异有限： 书信散文的 Delta 值最小（0.57），诗歌辞赋最大（1.36），奏疏居中（0.72），三组均值 0.88， 低于两位作者各自内部跨文体对比的均值（徐光启 1.06、许乐善 1.04）。 据此可推断，在本语料中「文体」因素对虚词分布的影响至少不弱于「作者」个体风格因素。
需要指出的是，本分析受限于样本规模：两位作者在同一文体下仅各有 1–2 篇文本， 故上述结论宜视为趋势性判断，Delta 值仅作辅助参考，应以聚类整体格局为准。 后续研究可考虑：扩充同文体样本量；调整虚词表（功能词）的取舍； 或引入低频词／内容词特征组合，并以 Iota、Della 等替代性指标交叉验证， 以进一步检验作者风格信号的稳健性。
{{ deltaText.content }}
提示：以上为两位作者各文集的 原始文本（未经清洗），点击可查看，以核对风格分析所依据的文献材料。