写了四十年，江户川乱步的写作风格是一成不变的吗？

最近翻到一篇研究江户川乱步的论文，觉得它研究的问题很有意思，于是顺手把全文翻译了。

论文很硬核，作者没有挑《人间椅子》《黑蜥蜴》这些名作一篇篇谈，而是直接把青空文库收录的 91 部乱步作品放在一起，用文本分析去看他从 1923 年写到 1962 年，用词和风格到底发生过什么变化。

换句话说，他们想用数字，去回答一个我们平时很容易凭感觉就答了的问题：

写了四十年，江户川乱步的写作风格是一成不变的吗？

完整论文里有不少算法参数、模型说明和文献综述，直接搬过来多少有点枯燥，所以就不把译稿重新贴一遍，只留下觉得最值得看的部分。

数据、研究结果和作者判断，都照原论文来

江户川乱步（1894 到 1965）的作品，常让人想到诡计、怪奇、阴暗，也会想到他对“美”的迷恋。

这些东西，我们读小说的时候多少都能感觉到。

但感觉毕竟是感觉。

如果把他几十年的作品全部放在一起，不看情节，不谈人物，先看里面反复出现的词，会发生什么？

二战前后的乱步，真的不一样吗？

过去关于乱步的研究，常从具体作品入手：有人分析《两分铜币》的文学性，有人研究《心理测验》的结构，也有人讨论《黑蜥蜴》中的人物塑造。

这篇论文换了个玩法。

作者没打算继续盯着某几篇名作，而是把视野拉到乱步整个创作生涯，用文本挖掘去看他的用词与风格如何随时间变化。

先把 91 部作品摆上桌

研究者收集了截至 2021 年 3 月青空文库收录的 91 部乱步作品，发表时间从 1923 年一直延伸到 1962 年，总计 4,443,820 个字符。

青空文库是公开文学作品文本的网络图书馆，研究在分析前去除了注音假名，并把人名、缺少实际分析意义的词和极常见的词设为停用词。

这里有个地方要注意：这 91 部作品是研究使用的样本，并不等于乱步创作过的全部作品。

我还是把原论文的作品表完整留下来了，一方面方便对应研究结果，另一方面，把这些作品按年份一路排下来，本身也挺有意思。

题名采用原表的日文写法，罗马字题名及括号内的英文译名也照录。

表注：原论文仅为已有英文译本的作品列出英文题名，表中 A、B 用于区分题名相同但内容不同的《かいじん二十めんそう》。

四百多万个字，怎么分析？

具体算法其实蛮复杂的，不过思路没有那么吓人。

研究先统计名词、形容词和动词的出现次数，看看哪些词经常出现在乱步作品里，接着用 TF-IDF 衡量词语对某部作品的相对重要性，再用 t-SNE 把作品之间的用词关系画到二维图上。

图上位置越近，代表作品的用词特征越相似。

当然，这只能告诉我们“它们有点像”，还不能告诉我们为什么像。

所以研究者接着选出适合比较风格的词，用主题模型 LDA 去找反复一起出现的词语，比较每部作品与这些主题的关联程度，再通过共聚类观察不同风格在各个时期如何分布。

说白了，就是一步步从：

乱步爱用什么词 → 哪些作品用词比较像 → 这些相似背后有没有某种风格 → 这种风格四十年来有没有变化

先看看乱步最爱用什么词

第一轮结果其实挺直观。

名词里，“私”（我）、“僕”（我）、“顔”（脸）、“彼”（他）出现频繁，论文作者认为，这可能与《人间椅子》中的人物独白、《心理测验》中的行为和心理描写有关。

“探偵”（侦探）、“少年”、“面相”（面孔）、“博士”就更不用说了，一眼能想到《少年侦探团》系列，也符合侦探小说在乱步作品中的位置。

到了形容词，乱步作品里一些熟悉的风格特征就开始冒出来了。

“黒い”（黑的）、“恐ろしい”（恐怖的）、“こわい”（可怕的），很容易让人想到怪奇作品；“白い”（白的）、“美しい”（美丽的）、“あやしい”（神秘的），又会牵出他唯美的一面。

“悪い”（坏的）、“赤い”（红的）、“おかしい”（奇怪的），则多少带着犯罪与怪奇的气息。

不过这里不能跑得太快。

这些解释来自论文作者，单凭一个词出现得多，并不能直接宣布某部作品属于什么风格。

动词反而没这么好解释，“見る”（看）、“思う”（想）之类太常见，很难从中读出明确的风格，所以后面的分析，研究者把重点放到了形容词上。

战前和战后的乱步，真的不太一样

接下来出现了一个挺有意思的结果。

研究者按照词语的重要性，把这些作品放到一张二维图里，结果大体出现了两个区域：一边主要是 20 世纪 20 至 30 年代的作品，另一边主要是 40 年代末至 60 年代的作品。

也就是说，单看用词，二战前后的乱步已经出现了某种区别。

但事情当然没这么整齐。

《少年侦探团》和《妖怪博士》明明发表于 1930 年代，在图上却跑到了 1950、60 年代作品附近。

反过来，1954 年的《恶灵物语》和 1957 年的《妻に失恋した男》，又跑回了战前作品所在的区域。

论文作者认为，后两部作品可能沿用了较早时期的手法与表达方式。

图注：91 部乱步作品按用词特征形成的分布。整体上，20—30 年代与 40 年代末—60 年代的作品形成了两个大致区域，但也有几部作品跑到了“另一边”。

这个结果我反而觉得比单纯的“战前一堆、战后一堆”更有意思。

它至少说明，乱步的变化不是到了某一年突然切了一刀，作品之间还有交叉，也有一些“不太听话”的例外。

至于到底变在哪里，还得继续往下挖。

机器从乱步作品中找出了四种风格

研究者从符合条件的 1,054 个词语入手。

这些词至少出现在两部作品中，但出现范围少于全部作品的 20%，综合模型表现与主题的可解释性，作者最后选出了四个主题，并根据各主题中关联概率较高的词语，分别给它们起了名字。

于是，机器从乱步作品中提取出了四种风格：

奇异、阴郁、唯美、怪诞。

当然，这几个名字不能理解成小说分类，它们是论文作者根据词语组合给统计主题起的名字，方便人理解模型到底找到了什么。

一部小说完全可以同时带着几种倾向，并不是《人间椅子》往“怪诞”抽屉里一塞，事情就结束了。

真正有意思的是，它们出现的年代不一样

研究者进一步比较各部作品与四个主题的关联程度，最后得到了 10 个聚类。

其中四个聚类的风格比较突出：聚类 1 偏向奇异，聚类 2 偏向唯美，聚类 3 偏向怪诞，聚类 4 偏向阴郁。

再把作品的发表年代放进去看，结果就出来了：

图注：四种风格在不同作品与年代中的分布。奇异、怪诞、阴郁较多出现在战前作品中，唯美倾向则更多出现在战后作品中。

这里有个数字很容易看错。

83.3%、76%、85.7% 和 88% 的分母，是各自聚类里的作品，不是说“83.3% 的战前作品都很奇异”，也不是“88% 的战后作品都很唯美”。

论文真正观察到的是：

战前作品比较多地出现在奇异、怪诞、阴郁倾向明显的聚类里，战后作品则更多出现在唯美倾向明显的聚类里。

此前关于乱步在 20 世纪 20 年代末至 30 年代中期突出表现怪诞与情色的研究，也与这个结果相呼应。

看到这里，好像已经可以下结论了：战前怪诞阴郁，战后转向唯美。

但先别急。

还有一个数字必须一起看。

上面四个风格特别鲜明的聚类，加起来只包含全部作品的 53.4%。

也就是说，还有差不多一半的作品，并没有这么老实地站队，而是呈现出多种风格交织的状态。

所以论文说的是一种整体倾向，不是乱步战前只写怪诞，打完仗突然开始唯美了。

真要这么整齐，文学研究倒省事了。

数字能看到变化，但解释不了一切

论文作者认为，用词和风格的变化，可能与乱步所处时代的需求以及文化潮流有关，作品中有关人物心理、怪奇、残酷之美与恋物癖的表达，也可以放到这种长期变化中理解。

不过，数字到这里差不多也该刹车了。

统计上的相关趋势，并不能单独证明时代究竟怎样影响了某一部作品，更不能拿来替代对小说本身的细读。

还有一个很现实的问题：样本。

这项研究只用了青空文库当时已经收录的作品，本身就可能存在偏差。

论文作者特别提到了一部没有进入语料库的作品，1943 年的《伟大的梦》。

这部作品有明显的战时背景，并表达了日本人相对于当时敌国美英的优越性。

如果把它，以及其他当时尚未被青空文库收录的作品全部放进去，最后那张图会不会变？

不知道。

这也是论文自己留下的问题。

所以，乱步到底变了吗？

至少从这 91 部作品、四百多万个字符来看，答案挺明显：变了。

战前和战后的用词确实出现了区别，奇异、怪诞、阴郁和唯美几种倾向，在不同年代的分布也不一样。

但我读完以后，反而觉得那些没有乖乖站在自己年代里的作品更有意思。

1930 年代的《少年侦探团》《妖怪博士》，用词跑到了战后作品附近，到了 1950 年代，又有作品掉头回到战前的区域。

一个作家写了四十年，大概本来就不会像软件升级一样，从 1.0 整整齐齐升到 2.0。

有些东西变了，有些东西一直留着，还有些东西隔了二十年又冒出来。

这篇论文的好玩之处，也正在这里。

它没有用数字替我们解释乱步，而是从四百多万个字里，挖出了一些以前只能凭阅读感觉捕捉到的变化。

至于那些数字背后究竟发生了什么，最后还是得回到《人间椅子》《黑蜥蜴》《怪人二十面相》这些小说里去找。

毕竟机器可以告诉你哪些词经常待在一起。

但乱步的风格到底是什么样，最后还得自己读。

论文出处： Tetsuya Yamamoto、Yasuko Nakamura、Hideki Ohira、Mingzhe Jin，_Quantitative Analysis of the Characteristics and Historical Changes of Edogawa Rampo's Works_，_Psychologia_，2023 年，第 65 卷，284 到 295 页，DOI：10.2117/psysoc.2023-B036。

本文来自对该论文完整中文译稿的重新整理，研究数据、作品表、结果及作者观点均以原论文为准，算法参数、部分文献综述等内容没有在这里展开。