▲黎晨把三國演義分前60、後60回分析。（圖／翻攝自知乎）
網搜小組／綜合報導
紅樓夢是曹雪芹的名著，不過最後40回是否由他撰寫一直有爭議，大陸網友黎晨日前在《知乎》上發表文章，指稱用SVM（支持向量機器，Support vector machine）算法分析，得出的結果顯示作者並非曹雪芹。這篇文章引起網友大量討論，不過有人質疑研究方法不夠嚴謹、挑選樣本偏差，不足以證實論點為真。
黎晨以用詞作為辨認的依據，認為文章前後內容雖有差別，習慣卻不容易改變，首先用「jieba分詞工具」挑選出現超過100次的詞語，再從中去除因為劇情關係不一致的人名或地名，「我不選寶二爺或黛玉笑這種涉及人物的詞語，但是『忽然』、『故』、『只要』、『可不是』這種不容易受情節影響的連接詞，適合選出來當特徵」。
黎晨接著各選15回作為機器學習的數據、分析用詞特點，推算其他章節屬於前80回或後40回，「機器在學習以後告訴我，有95%的把握可以區隔前80回與後40回的用詞習慣」。他再拿三國演義測試，這次機器只有7成的把握，「準確度遠遠低於95%的預測水準，所以我們更有信心說曹老先生沒有寫後40回了。」
這項結論引起網友爭辯，有人直言，選取的特徵並不是完全獨立，而且回數分配不均，抽出的詞類也容易落入前80回，「作者把測試集和訓練集混在一起高估實際的準確率」，也沒有說明三國演義的測試條件，就把兩者拿來對比非常不精確。儘管結果不能解決爭論，這項實驗仍然不失為一種另類的分析角度。
讀者迴響