请问为什么说高鹗不是红楼梦后四十回的作者，是通过计算机语言学分析出来的吗，可是没有语料怎么分析？ 第1页

红楼梦最开始是以手抄本的形式流传的；后来被高鹗程伟元结集出版，也就是程甲本和程乙本。

两人在序中声称后四十回是自己“搜罗而来”，他们仅仅“细加釐剔，截长补短，抄成全部”而已。

但实质上，他们的前八十回也多有篡改，把批判世态炎凉、时艺八股的文字去掉，添加了一些鼓吹“仕途经济”文字；加上后四十回无论文笔水平还是眼界旨趣都和前八十回相去甚远、且后四十回不见其它途径流传，因此一贯被认为是两人自行编篡添加的。

红楼梦的不同版本可分为两大系统。除了程高本系统外就是脂砚斋批本这个系统。

脂本系统主要靠手抄流传，但只有前80回，且不同版本还各有缺漏；其中文字多可相互印证，可据此找出程高对前80回的篡改之处。

当然，如果你一定要扣字眼的话，根据原著序，红楼梦并不是人写的。它是一块无才补天的大石头上莫名多出来的一堆文字；这堆文字先由空空道人抄下，叫做《石头记》；之后空空道人大彻大悟，改名“情僧”，因此又叫《情僧录》；最后才被曹雪芹批阅修改，改名《红楼梦》——这是钦定的结论，不用争论了。

至于计算机嘛……

别听外行瞎扯淡，事情是这样的：因为无论文字精炼程度、情节合理性还是诗词数量和水平，前八十回都和后四十回格格不入；因此后四十回是伪作早成定论。

然后呢，就好像我当年摘抄红楼梦诗词，发现前80回和后40回诗词的数量和水平对比鲜明一样，有人就想了：如果我们数一数不同章节用到的不同词汇和出现率，是不是能发现点什么呢？

这来自一个小小的常识：比如说吧，语气助词，有人喜欢“卧槽”，有人喜欢“啊”，还有人喜欢“矣焉哉”；语气停顿，有人“这个”有人“那个”有人“嗯”“啊”“是吧”；书中角色说话，有人“说”有人“道”有人“曰”……

总之，这类词选择很多，但每个人都有自己的习惯，会大量使用其中一两种，且没有特殊情况不会更换——比如你习惯了说“那个那个，那个啥呀……啊，键盘……马童，抬我键盘来，待我与他大战三百回合”，就不太可能突然改成“嗯……这个……嗯……啊，对，键盘！”。

除非你在美国说“那个”被黑人见一次打一次、两年打五十次硬生生打改了——或发生了其他使你不得不回头修改潜意识的事——不然你的口头禅就不会变，对吧。

因此，统计这类词的出现频率，是可以发现很多有趣的东西的——刑侦上也经常用到这个技术。

但人工一个个数实在太累太容易出错了——而且文艺工作者说了，一眼看出来的事哪需要像你们这些理工棒槌一样傻直了硬上啊……

现在有了计算机，统计这类东西就可以让程序代劳了。

结果嘛，一数，事实就如同秃子头上的虱子：用机器学习判定红楼梦后40回是否曹雪芹所写 - 知乎 (zhihu.com)

有人可能会说，这可能仅仅是情节发展带来的自然转化……没关系，前面引文的作者又把《三国演义》喂给了程序……

结果嘛，秃子头上还打了蜡。

看着这个结果，再敢说“后四十回和前八十回是一个人写的”，不是脸大就是……