Nabokov's Favorite Word Is Mauve读后感1000字

《Nabokov's Favorite Word Is Mauve》是一本由Ben Blatt著作，Simon & Schuster出版的Hardcover图书，本书定价：USD 25.00，页数：288，特精心收集的读后感，希望对大家能有帮助。

《Nabokov's Favorite Word Is Mauve》读后感(一)：本书最有价值的部分是附录

TL;DR

如果抱着阅读《魔鬼经济学》(freakonomics) 或者《点球成金》（moneyball）的期待来阅读此书，恐怕是要失望的。

此书表明使用作者的统计方法

1、不能令读者更好的了解作品。

2、不能令读者更好的了解作者。

3、不能帮助作家写出更伟大/畅销的作品。

作者似乎找到了一些相关性，例如副词用得越少的作品越伟大，但每个例子都存在明显的反例。冗长的统计结果令人昏昏欲睡，有些表格竟有4页之长（pp 173 - 176)。我怀疑表格之多严重影响了此书的销量，强烈建议作者研究一下作品销量和图表密度之间的相关性。

聚类选取的维度是如此随意，以至于找到相关性几乎是必然的事情，毕竟IE浏览器的市场占有率和美国谋杀率还强相关呢。

微软IE浏览器市场占有率vs美国凶杀案个数

几个亮点：

1、开头很有趣，用统计方法破解《联邦党人文集》的作者，结果表明汉密尔顿临死之前吹牛了。

2、用聚类的方法找出作家是不是使用了代笔（汤姆克兰西）。

3、同人作家往往用力过度（哈利波特的美国同人比英国同人使用了更多的英式词汇，如bloke, blimey 和 brilliant)。

最后值得一题的是附录（Notes）足足有50页之多，差不多占全书20%，列出了所有统计所用到的书单（但是没有源代码），几乎囊括了所有重要的英语作家，倒还是值得一看。

《Nabokov's Favorite Word Is Mauve》读后感(二)：大数据研究文学的时代已经到来

文学与数学会有什么关系？可能很多人看到这个问题立马犯迷糊了，文学与数学可是八杆子打不着的平行线哦。文学讲求感性和运思，与彻底理性化的数学有什么关系啊？哎，你可还别说，两者还真能牵搭上不少关系呢，还“混搭”得相当不错。

前段时间读Franco Moretti的《Atlas of the European Novel 1800-1900》，大受启发。Franco Moretti 做的一个工作是通过画地图来研究文学，怎么个研究法呢？拿简奥斯丁的小说来说吧，她的小说里出现不少真实存在的地点，这些地点可以在地图上进行定位，将不同作品中出现的不同地名在地图上图绘完成，便能发现某种规律。

不得不说，Franco Moretti 画地图来定量研究文学，是一个具有开拓意义的创举。之前的理论家和批评家都过分依赖于感性思维，忽视了文学研究中数据分析的可能性。Franco Moretti 突然这么跳出来就有这层意义，文学与数学之间的关系并非截然对立，完全可以拿理性科学的研究方法用到文学研究中，还可能产生意想不到的成果。

Ben Blatt 的《Nabokov's Favorite Word Is Mauve》可谓步Franco Moretti而来。两者有相同的神奇魔力，让人恍然深思“原来，文学还可以这般研究？！”Ben Blatt 做了什么样的工作呢，从而让这个“奇迹”得以发生。其实很简单，他只不过借用了最为基本的统计学方法（真的连初中生都会哦），按不同的研究主题对文学作品中出现的各类词汇进行了统计。

比方其中一章，Ben Blatt专门研究了副词（英语中以ly结尾的词）的使用频率随着时代发生的变化，以及不同作家在不同作品中使用副词的频率呈现出怎样的规律。最后的结论似乎也一目了然，副词使用越少的小说，越受读者欢迎，在评论界的评价也越高。这一点似乎不言而喻，现代小说的写作便是不断消灭形容词和副词的过程。

书中有其他更多有趣的研究。比如一章专门对作家文笔进行了研究，作家写的作品带有他个人的印迹，这应该像人的指纹一样是不言而喻的常识，但你怎么来证明呢。Ben Blatt 同时比对了不同作家对喜爱词汇在不同作品中出现的频率来让读者信服，文笔这东西真的是根深蒂固的。

当然还有更加有趣的，比如对感叹号的研究。Ben Blatt发现写得越烂的小说家越喜欢用感叹号，小说如果越畅销，作品中出现的感叹号也相应越多。其他的还比较了作家用词的复杂性、最喜欢的用词（标题“纳博科夫最喜欢的词是紫色“，便来自于此），甚至还比较了随着作家知名度的变化，名字在封面上所占据比例发生的相应变化 。

总之，Ben Blatt 的《Nabokov's Favorite Word Is Mauve》是一本有趣极了的书，读完会让你不禁发出感叹“Amazing…！”，实在太神奇了。通过统计、图表等理性科学的专有方法来研究文学，确实与传统感性思辨式研究方法大相径庭，它直接用数据让你信服。

这可能是大数据时代人文学科研究的新方向，一切都在发生变化。听说中文译本即将付梓出版，可以期待一下。

《Nabokov's Favorite Word Is Mauve》读后感(三)：怎麼計算亦難料沉迷程度

去年十月，紐約作家Emily St. John Mandel發表了一篇有趣的研究，文章題為〈The Gone Girl With The Dragon Tattoo On The Train〉。她發現「她」的身影老是常出現。在二零一六年的英語出版業間，「Girl」出現次數之頻繁，是二十年來之冠，還有節節上升之勢。她收集了八百多本有「Girl」在標題裡的作品進行研究。數據顯示，65%以「Girl」為名的小說，主角其實已經是成年女性；而如果該書是由男性作者寫成，這個「她」的存活率便會大大降低⋯⋯

讓數字與文字共舞，誰會踩到誰的腳？不少人唯恐理性科學的冷燈會把藝術照得慘白，但也有人樂此不疲。Ben Blatt的新書《Nabokov's Favorite Word Is Mauve》以統計學切入文學，嘗試驗證一些耐人尋味的疑難：哪個作家使用感嘆號的頻率最高？（喬伊斯！）男女作家筆下的男女可有定型？（女人總是在「尖叫」和「打斷」，男人如是說。）小說的第一句往往都是天氣談？（而且總不在晴朗的一天出發。）誰最常以獸為喻？（又捕魚又獵獅的海明威三甲不入。）哪個作家在書封上的大名佔地最廣？（不是史蒂芬・金。）英美的色情小說吐露情慾的方式又可有不同？（原來連德州和紐約也有相異的咸味。）

這些冷知識除了充作趣聞，也不乏嚴肅。把文字化成數據，能使作者本人也未必自覺的寫作習慣無所遁形，讀者的評論不再單純依賴主觀印象，更形言之鑿鑿。統計學更可協助破解歷史懸案──為美國憲法奠基的《聯邦論》（The Federalist Papers），由詹姆斯・麥迪遜、亞歷山大・漢密爾頓、約翰・傑伊三人共同撰寫，史學家一直為了誰寫了哪一個部份爭論不休。但只要我們檢閱個別作者的用字偏好及其頻率，要推算那些文句的源頭，可收立竿見影之效。同樣的方法也可以替我們辨認暢銷作品中幽靈作家的身影，令我們對作家有更公允的判斷。

哈拉瑞在《人類大命運》中說道，未來其中一個關鍵的問題是，無意識但具備高度智能的演算法已經／將會比我們更瞭解自身，人類要如何自處？文學作品被數碼化為可量算的數據，的確使研究和統計的人力和時間大大縮減，但背後仍必須有人先發出有意義的疑問，並為大數據過境後的無差別心得去蕪存菁。

我們也大可把這些數據看作另一個世界的入口。像Anne Carson的詩集《The Albertine Workout》，以散文詩寫普魯斯特《追憶似水年華》第五卷中出現的角色Albertine。詩集就從一些有關Albertine的數據開展：她在807頁出現在他的世界。她的名字出現了2,363次。他愛她的沉睡，而她有19%的時間都在睡⋯⋯這些訊息有何用？或者完全沒有。又或者數字是一種咒語，讓我們的呢喃更精準，也更朦朧。

(原刊linepaer：https://www.linepaper.com/%E5%B0%88%E6%AC%84/%E3%80%90%E4%BD%95%E5%80%A9%E5%BD%A4%E5%B0%88%E6%AC%84%E3%80%91%E6%80%8E%E9%BA%BC%E8%A8%88%E7%AE%97%E4%BA%A6%E9%9B%A3%E6%96%99%E6%B2%89%E8%BF%B7%E7%A8%8B%E5%BA%A6-1615)