如何判断红楼梦前八十回与后四十回？

前面在公号的文章曾说过，原本是准备写一个系列文章，主要想从文笔优劣的判断标准上谈谈这个问题的。本小文实际上很早已经写了，但是近段时间由于杂事繁多，身体也不太舒服，故停滞了一段时间，一直没有扩展接续下去。敬请谅解。

这里就先简单地说说对题目问题的认识：

1，这里小文是针对红楼梦的前八十回与后四十回的判断对比问题，而且是特指使用科学技术手段来判断对比红楼梦的前八十回与后四十回。之所以强调这一点，是因为从文学上来判断对比，已经有很多的结果，而且结果多种多样。据刘梦溪的说法，红楼梦的前八十回后四十回的问题，号称是红学三大死结之一。之所以称为死结，应该是这两种观点到了无法调和解决的境遇。换言之，两种观点完全南辕北辙。而且对《红楼梦》后四十回的评价问题，历来有两种看法，两种方向相反的看法，即基本肯定派和完全否定派。

举几种前人的说法：（1）白先勇说：历来一种较为流行的红学观点认为：“庚辰本”才更接近于曹雪芹的原著，拥有一百二十回的“程乙本”的后四十回为高鹗续编，并非曹雪芹原作。（2）胡文彬：第二点想跟大家讨论的是大家如何看待《红楼梦》后四十回的问题。我想在这一点上会有不同的意见，没有关系，这是个学术问题，大家完全可以来交换意见，来慢慢地把问题做学术性的探讨。这里就不赘述了，详细的内容参看本公号的前面文章：《红楼梦与维纳斯》。

其实，这个问题的核心是：红楼梦的前八十回与后四十回的判断标准。因为无论是采用何种方式，不管是文字丰采、文笔或者是语言风格、写作风格等等的判断上，是否需要有标准？这个标准是什么？如何来确定？如果仅仅是“没有明显的逊色”、“有明显差距”和“文采上不同”等一些模棱两可的说法时，换种文雅的说法，就是定性的说法是否可以作为判断的标准呢？在没有明确之前，作者和读者应该特别注意这样的表述。

2，既然需要标准来例如“文字丰采、文笔或者是语言风格、写作风格”等，那这个标准如何来建立？换言之，就是建立一个能够定量的标准。有的人马上会说：开玩笑吧，想建立判断“文字丰采、文笔或者是语言风格、写作风格”等的标准，还定量？可能吗？不错，在若干年前，有这样的想法无疑是痴人说梦。但是当中文的计算语言学，计算风格学（也有称为计量风格学），以及语言指纹等综合学科得到发展后，加上计算机技术中的汉语信息处理技术的发展，如今有这样的想法就非痴人说梦了。君不见就连《红楼梦学刊》目前也经常会登载此类的文章，尽管是刚刚开始，反应还不大，但是假以时日，当更多的结果和数据得到认可，其结果一定能够得到红学研究者和红学专家的认同。

笔者这里想谈的是：在定量计算、定量统计还没有得到广泛认同的情况下，是否可以采取采用定量与定性分析相结合的方法。特别是在对红楼梦文本采用定性分析的时候，能够有一个大致的范围，比如像《红楼梦后续作者考释》一书中所说的那样：“关于后四十回著作权的问题，二百余年来，尽管有数以百千计的红学爱好者和红学专家试图解决它，但一直未能如愿，究其原因，主要在于没有找到一种科学的途径，很少有人从语言学的角度去进行考证。近几十年来，有少数学者做过一些探索，但成绩不大，甚至得出了错误的结论。”笔者觉得还应该增加如下的内容，仅从语言学的角度上进行考证还不够，需要从计算语言学，计算风格学（计量风格学），以及语言指纹等等综合学科来进行考证。这就需要将文学（这里是红学）与计算机技术结合起来进行考证。

因此在进行这些考证之前，必须剔除影响（考证结果）结论的各种因素，这些因素有：

1，版本因素。正如笔者前面文章中所指出的那样，这里不赘述了。

2，样本类型。该因素比较好理解，自然是类型越多越好了。从计算和统计上说，分析的对象，就应该是从字、词到句子。所以这里也应该有所规定，比如字应该分析哪些，哪些字的分析有利于结果。词应该分析哪些类型的词，哪些类型的词，如副词、连词、介词、语气词、文言词，再如名词、动词、形容词、数词、量词、代词等，分析这些词分别对结果的影响等。此外还有大量短语，以及各种典型的句式，这些是否应该算在词的类型中，影响几何如此等等。再比如句长一类的，是否需要分析所有的句长，不同的句长分析对结论的影响等等。此外，还学要从计算语言学，计算风格学，及语言指纹等学科中寻找新的样本类型，比如语法、特征语言指纹等一类新的样本类型。

3，样本数据量。这就是这里所提的，也是在目前较为重要的问题。因为如果样本数据量选择过少，难于得出令人信服的结论，而选择样本数据量过大，涉及到计算能力和语料库的不同等等问题，比如像高本汉、陈炳藻等人的研究就是如此。这也是一个需要认真研究的问题，因为这里的数据量是以接近几何级数量级在增长的，若以红楼梦八十万字为基数，其数据量的增加是可想而知的，所以说是个需要认真研究的问题，这样庞大的数据量对人力而言，几乎是难于实现的，而这恰好正是计算机所最为擅长的。

4，参照物的选择。这也是目前研究中比较难于逾越的一个鸿沟，不像莎士比亚研究中的参照物的选择，尽可以选择。因为《红楼梦》只此一家，别无分号。所以怎样选择也是要有极大的智慧的。

以上是原本准备写的一个系列文章的初步设想，顺便也都简单地谈到了。关于该系列文章的具体内容，初步将从红学的大数据思维领域起步，讨论关于大数据与红学的关系？什么是红学的大数据思维？等等方面的一些思考和理解。特别是最近也看到了一些学者有关通过大数据研究红学的一些文章，以及红学圈内的一些红学家们对此类问题的看法，受到鼓舞：如2008年12月，红学会张庆善会长强调“红学研究的科学态度、科学方法的重要性”。2015年3月，红学会孙韦科秘书长发布博文“科学地品读古典文学名著”。这说明，随着更多的科学结果和科学数据的出现，并且得到学界的认可，其结果也一定能够得到红学研究者和红学专家的认同。当然这是需要时间的，因为科学数据需要的是严谨的科学性、逻辑性，他与文学性的话题，分属不同的领域，性质不同。