@马创新等：《先秦诸家学派的相关系数与特征词研究》

研究背景与目的

• 背景: 先秦诸子百家思想研究，历来以定性分析为主。
• 目的: 运用计算语言学和数字人文方法，对先秦主要学派（儒、道、法、兵、墨）进行定量研究。
• 核心任务:
  • 计算学派间的相关度，探究其思想亲疏。
  • 识别各学派的主题特征词，揭示其核心思想。

研究方法与过程

核心思路

• 将文本词语的出现频次转化为等级。
• 通过等级归一化（等值化），解决不同文献体量差异问题。
• 运用统计学公式计算相关度与特征词。

语料库 (Corpus)

• 儒家: 《论语》、《孟子》
• 道家: 《老子》、《庄子》
• 法家: 《韩非子》、《商君书》
• 兵家: 《孙子》、《吴子》
• 墨家: 《墨子》

计算步骤

1. 词频与排序:

   • 统计各文献词频，按频次降序排列。
   • 使用“并列法”处理同频词，即同频词等级相同。

2. 等级等值化 (Normalization):

   • 问题: 各文献词型总数不同，原始等级不具可比性。
   • 方法: 为每部文献设定“等级系数”，进行归一化，得到“转化等级”。
     • 等级系数 = 100 / 文献最大词型等级

3. 学派内等级确定:

   • 对于同学派内的多部文献（如儒家、道家），其共有词的“最终等级”为其各自“转化等级”的平均值。

4. 相关度计算 (Spearman's Rank Correlation):

   • 原理: 计算两两学派间高频共有词的等级序列相关性。
   • 公式:$$R=1-\frac{6\sum D^2}{n(n^2-1)}$$
     • $D$: 每一对词型的等级差。
     • $n$: 样本数（词型数量）。
     • 我们用ARs来表示“以学派A中特定数量词型为样本”与学派B中全部词型比较所得到的相关系数,对于在学派A中出现而学派B中没有出现的词型,就假定该词型在学派B中的最终等级为101。
     • 学派A与B的相关度用ABRs来表示,ABRs等于ARs与BRs的均值,即:ABRs=(ARs+BRs)/2。

5. 特征词计算 (Rank Difference Method):

   • 原理: 计算某词在特定学派中的等级，与它在其他所有对比学派中平均等级的差值。
   • 公式:$$D_i=\frac{\sum _{j=1}^n{D}_{ij}}{n}$$
     • $D_i$: 词语在特定学派中的特征系数。
     • $D_{ij}$: 该词在“对比学派 j”与“特定学派”中的最终等级之差。
     • $n$: 对比学派的数量。
   • 系数解读:
     • 正值: 表明该词在本学派中重要性显著更高。
     • 负值/零: 表明该词在本学派中重要性更低或相当。

主要研究发现

学派间相关度

• 最高相关: 儒家 与 道家 (0.86)
  • 原因: 思想接近，共同关注“民本”，提倡以道德为基础的治理理念。
• 最低相关: 兵家 与 墨家 (0.36)
  • 原因: 思想差异巨大。墨家主张“兼爱非攻”，兵家聚焦“用兵之道”。
• 最高平均相关度 (影响力最强): 道家
  • 说明: 先秦时期，道家思想对其他学派影响广泛且深入。

各学派核心特征词

• 儒家:
  • 孔子, 仁, 君子, 禮, 學, 問, 子路, 子貢
• 道家:
  • 德, 聖人, 物, 生, 始, 天下, 道, 名, 無為
• 法家:
  • 主, 法, 姦, 私, 力, 官, 刑, 賞, 勢
• 兵家:
  • 軍, 戰, 敵, 兵, 擊, 勝, 地, 進, 卒
• 墨家:
  • 尺, 城, 愛, 兼, 天, 鬼, 義, 政, 攻

结论

• 方法有效:
  • 本文提出的定量分析方法是可行的，能有效揭示学派间的关系和各自的核心思想。
• 结果印证:
  • 计算结果（相关度、特征词）与传统定性研究的结论基本相符，并提供了数据支持。
• 推广价值:
  • 此方法可应用于其他类似的思想史或文本比较研究中。