科研 Skill
文学远读与人物网络
cnlit-distant-reading
用分词NER构建人物共现网络,做主题模型与情感曲线分析,并与细读互证。适用于长篇小说、期刊语料的大规模结构研究。
发布者 Codar安全审核通过v0.1.0更新于 2026-11-18
SKILL.md
远读:人物网络、主题模型与叙事曲线(Distant Reading of Chinese Literature)
适用场景
- 构建《红楼梦》《三国演义》或现代长篇小说的人物共现网络,分析核心人物、社群结构与随章回的演变。
- 对一份文学期刊数十年的刊文做主题模型,观察主题兴衰(如"乡土""革命""城市"话语的变迁)。
- 绘制小说按章节的情感曲线,比较叙事节奏与情节结构。
- 比较不同作家群体、地域或时期文本的高频意象与关键词差异(关键性分析)。
边界与不适用
- 远读结果是描述与假设生成工具,不替代文本细读与语境化阐释;每个量化发现都要回到原文举例。
- 不做作者归属统计检验,转
cnlit-stylometry-authorship;不做古汉语断句,转cnlit-classical-chinese-nlp。 - 通用情感词典和模型多基于现代网络文本,用于古典或现代文学会有系统偏差,必须人工校验。
- 受版权保护的当代作品只做非消费性统计分析,不公开全文或大段原文。
工作流
- 语料与研究问题
- 输入:文本集合与研究问题。
- 操作:确定分析单位(章回/段落/篇)、版本、元数据(作者、年份、刊物、章号)。
- 产出:语料清单 CSV + 统一编码的纯文本。
- 预处理与人物识别
- 操作:jieba 或 HanLP 分词;构建人物名表(含字号、别称、称谓,如"宝玉/宝二爷/怡红公子"→ 贾宝玉),作为自定义词典加载并做别名归一。
- 决策点:NER 自动识别仅作候选,人物表须人工审定;古典小说称谓高度依赖语境("老爷""太太"),需规则或人工消歧。
- 人物网络
- 操作:在窗口(同句/同段/固定字数)内统计人物共现,构建加权无向图;计算度、加权度、介数中心性,社区发现(Louvain)。按章节切片得到动态网络。
- 决策点:窗口大小影响结果,至少比较两种窗口;对话与叙述可分开建模。
- 主题模型
- 操作:LDA(gensim)或 BERTopic(以中文句向量模型编码),去停用词,选主题数时综合一致性指标与人工可解释性。
- 产出:主题—关键词表、文档—主题分布、主题随时间变化图。
- 情感与叙事曲线
- 操作:按章节/等长片段计算情感得分(领域校准后的词典或经人工标注微调的分类器),平滑后绘图;与情节梗概对照标注转折点。
- 决策点:先人工标注一小批片段检验情感工具在该文本上的准确率,过低则不报告曲线。
- 细读回证
- 操作:为每个重要发现挑选原文例证,解释异常值;撰写方法局限。
工具与数据源
- 分词与 NER:jieba(
pip install jieba)、HanLP、LTP(哈工大)、pkuseg(北京大学)。 - 网络分析:networkx、Gephi(可视化)、igraph。
- 主题模型:gensim(LDA)、BERTopic、sentence-transformers;中文句向量可选
shibing624/text2vec-base-chinese、BGE 中文系列等。 - 情感:大连理工大学情感词汇本体库、知网 HowNet 情感词典、SnowNLP(领域偏差大,慎用);R 包
syuzhet(叙事曲线方法参照,原生面向英文)。 - 语料:ctext.org、中华经典古籍库、全国报刊索引、中国现代文学期刊数字资源、北京大学 CCL 语料库、BCC 语料库(北京语言大学)。
最小代码示例(Python)
按段落统计人物共现并计算中心性与社区。
import itertools
import jieba
import networkx as nx
from networkx.algorithms.community import louvain_communities
alias = {"宝玉": "贾宝玉", "宝二爷": "贾宝玉", "黛玉": "林黛玉", "林姑娘": "林黛玉",
"宝钗": "薛宝钗", "凤姐": "王熙凤", "贾母": "贾母"}
for name in alias:
jieba.add_word(name, freq=100000)
def chars_in(par: str) -> set[str]:
return {alias[w] for w in jieba.cut(par) if w in alias}
G = nx.Graph()
paragraphs = open("hlm_ch01-80.txt", encoding="utf-8").read().split("\n")
for par in paragraphs:
for a, b in itertools.combinations(sorted(chars_in(par)), 2):
w = G.get_edge_data(a, b, {}).get("weight", 0)
G.add_edge(a, b, weight=w + 1)
deg = dict(G.degree(weight="weight"))
btw = nx.betweenness_centrality(G) # 无权介数;加权需把权重转为距离
comms = louvain_communities(G, weight="weight", seed=42)
print(sorted(deg.items(), key=lambda x: -x[1])[:10])
print(comms)
nx.write_gexf(G, "network.gexf") # 导入 Gephi 可视化
质量检查
- 人物表、别名映射与停用词表人工审定并随结果发布。
- 共现窗口、主题数等关键参数做了敏感性分析。
- 主题标签由研究者依据关键词与代表文档命名,并附代表文档。
- 情感工具在本语料上的准确率经人工样本检验并报告。
- 每个主要量化结论都有原文例证与细读解释。
- 随机种子、软件版本、文本版本留档,可复现。
- 版权作品不公开全文,图表与例句引用符合合理使用。
输出格式
- 语料说明表:作品/刊物 | 版本 | 单位数 | 字数 | 时间范围。
- 人物网络:节点表(人物、加权度、介数、社区)、边表(人物A、人物B、权重、章节范围)、网络图(GEXF/PNG)。
- 主题模型:主题ID | 研究者命名 | 前 20 关键词 | 代表文档 | 时间趋势图。
- 叙事曲线:章节 | 情感得分 | 平滑值 | 标注事件;曲线图。
- 讨论:发现、细读例证、局限。
参考规范与文献
- Moretti, F. (2013). Distant Reading. Verso.
- Moretti, F. (2005). Graphs, Maps, Trees: Abstract Models for a Literary History. Verso.
- Jockers, M. L. (2013). Macroanalysis: Digital Methods and Literary History. University of Illinois Press.
- Blei, D. M., Ng, A. Y. & Jordan, M. I. (2003). Latent Dirichlet Allocation. Journal of Machine Learning Research, 3.
- Grootendorst, M. (2022). BERTopic: Neural topic modeling with a class-based TF-IDF procedure. arXiv.
- Reagan, A. J. et al. (2016). The emotional arcs of stories are dominated by six basic shapes. EPJ Data Science, 5.
- Underwood, T. (2019). Distant Horizons: Digital Evidence and Literary Change. University of Chicago Press.
示例提示词
帮我构建《三国演义》按回目变化的人物共现网络,并用BERTopic分析各阶段主题。
所属插件
安装该插件会一并获得同领域的 11 个 Skill / MCP。
同插件的其他科研 Skill
- 古汉语断句与分词用jiayan、SikuBERT等模型对未标点古籍做自动断句分词,并设计分层评估指标。适用于古籍语料检索与文体计量的预处理。
- 古籍校勘与版本对勘按对校本校他校理校四法组织校勘,用CollateX做字符级自动对勘并生成异文表。适用于古籍整理、底本选择与校勘记编制。
- 古籍检索与引文核对用ctext.org API与中华经典古籍库检索先秦至明清文献,批量核对论文引文。适用于古代文学思想史论文定稿前的引文核查。
- 出土文献与写本研究整理甲骨金文简牍帛书的释文与缺字标注,建立异说对照表并与传世本比勘。适用于出土文献与古文字研究,不做实物鉴定。
- 现代文学报刊史料检索报刊数据库核实初刊信息,编制作品系年并比对初刊本修订本差异。适用于现代文学史料学、版本研究与作家年谱编制。
- 诗词格律用韵分析按平水韵等韵书批量检测近体诗平仄粘对、孤平拗救,统计词作用韵现象。适用于诗人用韵研究、格律统计与合律检查。
- 文体计量作者归属基于高频字词与R包stylo的Burrows Delta、聚类检验作者归属与文本分期。适用于佚文辨伪、合著分工等归属研究。
- 比较文学影响接受在法国美国学派与变异学框架下搜集译介史料与接受语料,梳理跨文化传播证据链。适用于中外文学关系与译介史研究。
- 双语平行语料对齐用bertalign等工具做汉外句对齐,经人工抽检后导出TMX供检索分析。适用于多译本对比与译者风格研究的数据准备。
- 译本对比与质量评估结合MQM人工标注、自动指标与翻译转换分析系统评估比较译文。适用于多译本比较、机译对比及翻译教学评估。
常见问题
文学远读与人物网络能做什么?
用分词NER构建人物共现网络,做主题模型与情感曲线分析,并与细读互证。适用于长篇小说、期刊语料的大规模结构研究。
如何安装文学远读与人物网络?
在科搭 Codar 左侧点击「插件」,在「组件」页签搜索「文学远读与人物网络」并安装;在 Claude Code 或 Codex 中可以发送本页的安装提示词,或下载 Skill 包后解压到 ~/.claude/skills 或 ~/.codex/skills。
文学远读与人物网络需要哪些权限?
该科研 Skill没有声明额外权限;执行具体操作时仍由 Agent 按自身规则请求确认。
文学远读与人物网络经过官方审核吗?
是。SpeedSkills 收录的每个版本都会记录内容摘要与权限声明,当前版本已通过安全审核。