生态批评话语的远读研究

项目时间轴

1. 2022.07
   数据

   获取20世纪美国小说语料库

   获得芝加哥文本光学实验室授权使用20世纪美国小说语料库（US Novel Corpus），获得6759个小说样本。

   责任人：康吉赢 查看 →

2. 2022.08
   方法

   实验设计与量化建模

   通过生态批评语料库与其他对照组语料库的区分，提取出最能够代表生态批评话语的关键词丛；考察这些关键词在小说中出现的频次和用语丰富程度，从而得到该小说的生态程度数值，利用这一方法度量整个20世纪美国小说语料库的生态程度，得到整体话语的演化轨迹与重点文类。

   责任人：赵薇

3. 2022.10
   数据

   关键词丛提取

   尝试TF-IDF高频词算法、语义场、词向量方法提取关键词丛，发现TF-IDF算法的效果最好，得到关键词丛489词。

4. 2023.05
   数据

   关键词丛提取改进

   尝试SVM支持向量机，反向利用机器学习，提取分类精度最高时的特征词汇，但在相关性检验的验证中，效果不如TF-IDF算法。

5. 2023.11
   解读

   结果阐释

   以TF-IDF算法提取的关键词丛为参照，计算20世纪美国小说语料库的生态程度变化曲线，并提取与生态相关程度最高的几种亚文类，回到文本细读，探索这些关联的表现形式与文化诱因。

6. 2025.02
   数据

   构建维多利亚小说语料库

   以Victorian Research Web上的2.5万条维多利亚时期小说出版数据为基础，调用Internet Archive的api并获取小说电子版，得到7117本小说，作为维多利亚小说语料库。

7. 2025.09
   方法

   运用相同建模方法，考察维多利亚小说中的生态批评话语

   沿用20世纪美国小说生态批评话语的建模方法，研究生态批评话语在维多利亚小说中的演化

8. 2025.09
   数据

   关键词丛提取改进

   利用 SentenceTransformer 将段落编码为语义向量，训练逻辑回归分类器区分生态批评与对照组语料库，再通过逐词遮蔽实验计算各词对不同文类识别的贡献，综合主题和类型得分，得到149个最具代表性的生态批评关键词。

9. 2026.01
   解读

   结果阐释

   以新的关键词丛为参照，计算维多利亚小说生态程度变化曲线图。由于维多利亚小说语料库缺少现成的文类标签，因此改用性别作为区分因素，考察男女作家在不同时段小说生态程度的此消彼长，并分析阶段性盛行的文类与文化诱因。