基于谱系聚类法对《庄子》作者的初探.docVIP

基于谱系聚类法对《庄子》作者的初探 信息与计算科学 2003级 邓立国 指导老师 杜世平 副教授 摘要：关于《庄子》的作者问题，学界一直众说纷纭.本文通过对选定变量的分析来分析文章风格的差异,进而探讨《庄子》中各文章的作者.分析时，将三十三篇文章看成三十三个样本，用先确定的与情节无关的十六个虚词和代词等特征词作为变量. 这些特征词的特点是与文章具体内容无关，即在文中去掉自身或者换成其他某词也不会影响文章的含义.将每一个变量在每一篇文章中出现的次数及频率作为数据，用多元统计分析中的谱系聚类法(又称系统聚类法)进行聚类，得出各个文章之间风格的亲疏关系并分析其作者.结果表明：《庄子》可能是由不少于3个人所作，且大部分文章是由相同的3个人所作，其中可能存在其他一些人贡献的个别文章；《庄子》中的第一、二、三、五、六、八、十一、十九、二十一、二十二、二十三、三十二篇基本可以认为是庄子本人所做.该结果可以作为考据《庄子》作者的间接证据.同时这种分析方法也可广泛用于类似问题的研究. 关键词：聚类分析，数据挖掘，《庄子》作者，模式识别，SAS Analysis of Zhuangzi’s Writers Based on Pedigree Cluster Method DENG Li-guo Information and Computational Science,Grade 2003 Directed by DU Shi-ping(Associate Prof. ) Abstract：ed who Zhuangzi’s writers were by analyzing the styles of the articles in Zhuangzi with the chosen variables. First, the times of each variable, namely characteristic character, and it’s frequencies in every article in Zhuangzi were worked out, and then the degree of their difference was analyzed based on Pedigree Cluster Method. Those characters have the same trait that each can be deleted or replaced by certain another while wouldn’t change the meanings. The result suggested that Zhuangzi were probably writen by more than three people but most by the same three, and that those articles-- 1, 2, 3, 5, 6, 8, 11, 19, 21, 22, 23, 32 could be written by Zhuangzi himself. Those conclusion can offer indirect evidence for the research of Zhuangzi’s writers, while this research method can also be applied to solve analogous problems. Keys：Cluster AnalysisData Mining，Zhuangzi’s writers，Mode Identify，SAS 0前言 在1787到1788年，美国第四任总统詹姆士·麦迪逊和开国政治家亚历山大·汉密尔顿都写了许多文章支持通过宪法．但这些文章都是以署名“联邦主义者”匿名发表的．19世纪初，麦迪逊和汉密尔顿两人开始确认各自的著作，但其中有12篇一直颇具争议．直到1964年，美国统计学家莫斯特勒和华莱士转而从用词习惯上用统计方法来找出这两位作者的有区别性的风格特征，运用贝叶斯定理判定了《联邦主义论文集》中这些署名有争议的文章的作者．他们找出了几百个无“特定内容”的英文单词，如“if”、“while”、“because”、“over”、“upon”、“whilst”、“as”、“and”等．这些单词在句子里只有语法上的意义，本身并没有什么特定的含义，其使用主要取决于作者的语言习惯．对这两位作者的其他已有确定性著作进行统计分析，结果发现大约有30个虚词的使用频率是不同的．人们通过重复使用贝叶斯定理，决定这些参数的分布，结果发现那位署名“联邦主义者”的作者的真正身份是美国第四任总统麦迪