陳銘 徐麗芳

摘 要：圖書(shū)咨詢公司Archer Jockers致力于使用人工智能破解圖書(shū)暢銷(xiāo)的一般模式，幫助不同領(lǐng)域的小說(shuō)家改進(jìn)他們的書(shū)稿，以數(shù)據(jù)驅(qū)動(dòng)的角度重新理解、優(yōu)化自己的小說(shuō)創(chuàng)作。此外，Archer Jockers還朝著為出版商、經(jīng)紀(jì)人和其他書(shū)籍業(yè)務(wù)相關(guān)機(jī)構(gòu)和個(gè)人提供定制服務(wù)的方向努力，包括挑選書(shū)籍、撰寫(xiě)圖書(shū)簡(jiǎn)介、書(shū)籍分析和暢銷(xiāo)書(shū)趨勢(shì)分析等，期望運(yùn)用算法找到最佳的小說(shuō)暢銷(xiāo)方案。

關(guān)鍵詞：Archer Jockers 暢銷(xiāo)書(shū) 文本挖掘 機(jī)器學(xué)習(xí)

暢銷(xiāo)書(shū)的概念最早起源于美國(guó)，《大不列顛百科全書(shū)》對(duì)“暢銷(xiāo)書(shū)”（Bestseller）的定義是：在某個(gè)時(shí)期內(nèi)受到大眾歡迎，銷(xiāo)量在同類書(shū)中位列前茅的圖書(shū)，可作為反映大眾文學(xué)趣味和評(píng)價(jià)標(biāo)準(zhǔn)的一種指標(biāo)。作為市場(chǎng)產(chǎn)物，一本暢銷(xiāo)書(shū)雖然不一定能成為經(jīng)典，但出色的銷(xiāo)量證明了它們相當(dāng)契合某個(gè)時(shí)期內(nèi)大眾的欣賞趣味、心理需求和價(jià)值觀念等。這也表明，一個(gè)作家要寫(xiě)出一本暢銷(xiāo)書(shū)必須具備洞察人性和把控故事節(jié)奏的能力，在撰寫(xiě)時(shí)知道如何創(chuàng)造緊湊的情節(jié)和故事的高潮。暢銷(xiāo)書(shū)應(yīng)該是什么樣的？這個(gè)答案也許在作家心中，也可能在出版社編輯和文學(xué)經(jīng)紀(jì)人的運(yùn)作里，但都要經(jīng)過(guò)讀者的檢驗(yàn)。有些書(shū)評(píng)人和編輯認(rèn)為一些書(shū)得以大賣(mài)是巧合和運(yùn)氣，畢竟暗藏于暢銷(xiāo)書(shū)中的獨(dú)特信號(hào)總是讓人無(wú)法捉摸。

那么，暢銷(xiāo)書(shū)是否有“規(guī)律”可循？來(lái)自斯坦福大學(xué)和蘋(píng)果公司iBooks的自然語(yǔ)言處理專家茱蒂·阿切爾（Jodie Archer）和馬修·喬克思（Matthew Jockers）自2010年共同組成團(tuán)隊(duì)，運(yùn)用人工智能技術(shù)研究小說(shuō)，花5年時(shí)間分析了近三十年的5000本暢銷(xiāo)小說(shuō)，用機(jī)器分類算法得到暢銷(xiāo)書(shū)最一般的構(gòu)成要素，定量和定性相結(jié)合探究暢銷(xiāo)書(shū)的基本原理。Matthew認(rèn)為：“關(guān)于暢銷(xiāo)書(shū)的分析，計(jì)算機(jī)能看到人們無(wú)法直接看到的信息，還能找到暢銷(xiāo)書(shū)最常見(jiàn)和可預(yù)測(cè)的特征?！?016年，Jodie和Matthew在文學(xué)經(jīng)紀(jì)人的推動(dòng)下將他們的發(fā)現(xiàn)總結(jié)成《暢銷(xiāo)書(shū)密碼》（The Bestseller Code）一書(shū)。該書(shū)被翻譯成8種語(yǔ)言出版發(fā)行，兩位研究者也因此成名。隨后，二人于2017年一同創(chuàng)立圖書(shū)咨詢公司阿切爾·喬克思（Archer Jockers）繼續(xù)他們的暢銷(xiāo)書(shū)研究，致力于幫助不同領(lǐng)域的小說(shuō)作家改進(jìn)他們的書(shū)稿，以數(shù)據(jù)驅(qū)動(dòng)的角度重新理解自己的小說(shuō)創(chuàng)作。此外，Archer Jockers還朝著為出版商、經(jīng)紀(jì)人和其他書(shū)籍業(yè)務(wù)商提供定制化服務(wù)的方向努力，期望通過(guò)算法找到最佳的圖書(shū)暢銷(xiāo)方案。

一、技術(shù)路線：用算法程序“揉碎”和讀取語(yǔ)言數(shù)據(jù)

Archer Jockers主要通過(guò)算法運(yùn)行作家書(shū)稿，依靠自主研發(fā)的計(jì)算機(jī)程序Bestsellerometer開(kāi)展業(yè)務(wù)工作。這是基于計(jì)算機(jī)科學(xué)和文學(xué)兩個(gè)不同領(lǐng)域的理論開(kāi)發(fā)的運(yùn)算程序，其核心是兩位創(chuàng)始人在研究“暢銷(xiāo)書(shū)密碼”時(shí)開(kāi)發(fā)的算法。機(jī)器擅長(zhǎng)海量閱讀和數(shù)據(jù)分析，可以大規(guī)模處理文本模式和細(xì)節(jié);而人類更傾向于閱讀故事情節(jié)而不會(huì)注意到文字的量化特征。Bestsellerometer則可以將小說(shuō)文本中的語(yǔ)言數(shù)據(jù)“揉碎”后進(jìn)行分析和讀取，并輸出有用的數(shù)據(jù)點(diǎn)幫助作家理解其作品的文風(fēng)、主題、角色和情節(jié)等主要元素。例如，小說(shuō)中平均句子長(zhǎng)度是偏短還是偏長(zhǎng)？敘述和人物對(duì)話的篇幅分別是多少？從情感角度出發(fā)得到的故事情節(jié)線起伏是否貼近暢銷(xiāo)書(shū)的敘述節(jié)奏？經(jīng)過(guò)Jodie和Matthew在研究暢銷(xiāo)書(shū)過(guò)程中長(zhǎng)達(dá)四年的訓(xùn)練，Bestsellerometer閱讀了近萬(wàn)本品質(zhì)不同的小說(shuō)，已經(jīng)可以通過(guò)計(jì)算判斷一個(gè)作品是否將會(huì)暢銷(xiāo)。例如，J.K.羅琳的作品在Bestsellerometer的算法模型中得出的暢銷(xiāo)可能性為95%，美國(guó)超級(jí)暢銷(xiāo)書(shū)作家詹姆斯·帕特森作品的暢銷(xiāo)可能性為99.9%。

為了讓Bestsellerometer的預(yù)測(cè)更為精確，二人進(jìn)行了大量工作，主要包括三個(gè)部分：第一，文本挖掘（Text Mining）。發(fā)現(xiàn)和提取小說(shuō)的文本特征，借助計(jì)算機(jī)程序從書(shū)面文字中挖掘信息。這一步驟屬于自然語(yǔ)言處理（Natural Language Processing，NLP）領(lǐng)域的研究主題，涉及分詞、識(shí)別句子、詞性標(biāo)注和依存句法等多個(gè)基本任務(wù)。但每一項(xiàng)“基本”任務(wù)對(duì)機(jī)器而言并不意味著“容易”，一旦真正深入研究小說(shuō)語(yǔ)言和語(yǔ)法的工作方式，情況都會(huì)變得相當(dāng)復(fù)雜。即使是教機(jī)器識(shí)別每個(gè)單詞開(kāi)頭和結(jié)尾的分詞任務(wù)，也會(huì)出現(xiàn)很多難以解決的情況，例如cant和shouldnt這類帶著標(biāo)點(diǎn)符號(hào)的詞就不能依靠單詞之間的空格來(lái)識(shí)別為兩個(gè)不同的詞。NLP技術(shù)人員通過(guò)編寫(xiě)程序?qū)⒒谝?guī)則的“解析”轉(zhuǎn)向基于統(tǒng)計(jì)推斷的算法，利用詞典和統(tǒng)計(jì)推斷算法教會(huì)機(jī)器在海量閱讀時(shí)消除歧義和處理邊緣情況，包括命名實(shí)體識(shí)別（Named Entity Recognition，NER）等方法（注：NER是Bestsellerometer在自然語(yǔ)言處理過(guò)程中進(jìn)行文本挖掘的一種語(yǔ)言處理方法，目的是識(shí)別語(yǔ)料中人名、地名、組織機(jī)構(gòu)名等命名實(shí)體，判斷小說(shuō)是否暢銷(xiāo)與小說(shuō)人物以及地緣政治背景的選擇等要素是否相關(guān)）。第二，機(jī)器學(xué)習(xí)（Machine Learning）。篩選文本挖掘抓取到的文本特征，總結(jié)出與“暢銷(xiāo)元素”強(qiáng)相關(guān)的代表特征。借助機(jī)器學(xué)習(xí)和分類實(shí)驗(yàn)，Jodie和Matthew將最初得出的28000個(gè)文本特征進(jìn)行篩選，只留下10%，其中故事發(fā)生地和年份等文本特征被認(rèn)為與“暢銷(xiāo)與否”無(wú)關(guān)。而剩下的文本特征，例如親密關(guān)系主題等被確定為判斷暢銷(xiāo)書(shū)的依據(jù)。第三，機(jī)器歸類。利用前兩個(gè)步驟得出的暢銷(xiāo)書(shū)判據(jù)對(duì)“未知”小說(shuō)文本進(jìn)行歸類，放入由近3000個(gè)特征構(gòu)成的維度空間內(nèi)，判斷它是否能夠暢銷(xiāo)。Bestsellerometer采用的歸類算法有三種：K近鄰（K Nearest Neighbors，KNN）算法，會(huì)自動(dòng)搜尋每本書(shū)在空間內(nèi)和它最接近的5本書(shū)，由這5本書(shū)的暢銷(xiāo)性質(zhì)推測(cè)這本書(shū)是否具備暢銷(xiāo)書(shū)潛質(zhì)。支持向量機(jī)（Support Vector Machines，SVM）算法，假設(shè)暢銷(xiāo)書(shū)量表只需要“very”這個(gè)詞的使用率和“人物親密關(guān)系”2個(gè)文本特征作為維度（注：Jodie和Matthew通過(guò)研究發(fā)現(xiàn)，在暢銷(xiāo)書(shū)中，“very”這個(gè)詞的使用率不高，而且作家會(huì)重點(diǎn)落墨于人物之間的親密關(guān)系;反之則可能為冷門(mén)書(shū)）。 SVM算法先將每本書(shū)的位置在特征空間中標(biāo)注出來(lái);再通過(guò)統(tǒng)計(jì)推斷出暢銷(xiāo)書(shū)集合和冷門(mén)書(shū)集合之間的分界線;最后計(jì)算機(jī)根據(jù)小說(shuō)文本的位置判斷它是否暢銷(xiāo)。最近收縮形心（Nearest Shrunken Centroids，NSC）算法則是先計(jì)算暢銷(xiāo)書(shū)和冷門(mén)書(shū)的數(shù)學(xué)重心，并通過(guò)參數(shù)縮小重心之間的距離，通過(guò)比較每本書(shū)與2個(gè)重心的距離判斷它是否能夠暢銷(xiāo)。三種算法的平均預(yù)測(cè)精確度達(dá)到80%。

二、產(chǎn)品形態(tài)：多角度分析文本報(bào)告

作為一家圖書(shū)咨詢公司，Archer Jockers致力于使用Bestsellerometer算法程序?yàn)樽骷姨峁┪谋痉治龇?wù)，從小說(shuō)的文風(fēng)、主題、人物和情節(jié)等維度生成精細(xì)數(shù)據(jù)，并提供1份包含建議和反饋圖表的詳細(xì)書(shū)稿分析報(bào)告。分析報(bào)告涵蓋小說(shuō)主題分析、情節(jié)和情感分析、角色設(shè)置、人物性格和句子結(jié)構(gòu)等多個(gè)板塊;書(shū)稿中的語(yǔ)言數(shù)據(jù)會(huì)與從數(shù)千本書(shū)挖掘到的類似數(shù)據(jù)進(jìn)行比較，然后由Bestsellerometer給每個(gè)板塊評(píng)定一組代表星級(jí)的分?jǐn)?shù)。就小說(shuō)主題而言，大多數(shù)暢銷(xiāo)書(shū)只有3-4個(gè)最顯眼的主題，描寫(xiě)重要主題的篇幅大致占據(jù)小說(shuō)篇幅的30%。而新作家往往會(huì)在小說(shuō)中引入太多主題導(dǎo)致情節(jié)變得難以控制，使故事走向“難以結(jié)束”和“迅速結(jié)束”兩個(gè)極端。小說(shuō)主題比重對(duì)Bestsellerometer的算法有重大影響：暢銷(xiāo)書(shū)主題需要存在潛在的劇烈沖突，同時(shí)還不能太脫離現(xiàn)實(shí)生活。一般而言，特別離奇和過(guò)于緩和的主題都不太會(huì)暢銷(xiāo)，例如搖滾和園藝等。Archer Jockers使用不同的主題模型展示小說(shuō)的主題焦點(diǎn)與主題的整體分布情況，并與暢銷(xiāo)書(shū)主題作相應(yīng)的比較。例如圖中展示的是作家亞歷珊德拉·范麗卡（Alexandra Velika）的小說(shuō)《紐約脫衣舞小姐》（Big Apple Strippers，簡(jiǎn)稱“BAS”）與暢銷(xiāo)書(shū)以及市面上其他圖書(shū)中占比前十的主題分布比例（T-1是指書(shū)中占比第一的主題篇幅，T-2是指書(shū)中占比前2名的主題篇幅總和，以此類推）。由于BAS前3-4個(gè)主題的總比沒(méi)達(dá)到30%，而且其前10個(gè)主題中每一個(gè)的占比不僅大大落后于暢銷(xiāo)書(shū)，甚至也落后于其他一般正式出版的圖書(shū)，因此Archer Jockers建議其針對(duì)主題焦點(diǎn)添加更為豐富的內(nèi)容，刪除一些與重要主題無(wú)關(guān)的故事描寫(xiě)。

除了小說(shuō)主題，情節(jié)線的起伏和節(jié)奏也是Archer Jockers小說(shuō)文本分析服務(wù)的關(guān)鍵。故事情節(jié)的高峰和低谷越密集，小說(shuō)人物和讀者的情緒起伏越頻繁，越容易引人入勝。在劇本和小說(shuō)中，最簡(jiǎn)化的故事曲線為三幕式架構(gòu)：觸發(fā)、沖突和解決。利用三幕式架構(gòu)分析小說(shuō)可以快速看出情節(jié)的基本輪廓，但還不夠微觀詳細(xì)。為此，Bestsellerometer在分析小說(shuō)時(shí)會(huì)追蹤情緒詞語(yǔ)，并將各種故事情節(jié)歸納成七大曲線，從而可以直觀地看出人物情緒是如何隨情節(jié)推進(jìn)而產(chǎn)生變化的。如圖4所示的BAS情節(jié)線，圖表中間的水平線代表毫無(wú)波動(dòng)的情緒，水平線以上的部分表示人物處于積極情緒中，例如開(kāi)心、興奮、曖昧和雀躍等，水平線以下的部分則表明人物進(jìn)入消極情緒中。向上的斜坡標(biāo)志著讀者將跟隨故事情節(jié)的推動(dòng)獲得越來(lái)越積極的情感體驗(yàn)，往下的曲線波動(dòng)則表明事態(tài)朝著消極的方向發(fā)展。垂直的虛線表明BAS的敘事節(jié)奏。它們?cè)诠适聲r(shí)間軸上的分布間隔越均勻，讀者的閱讀體驗(yàn)就越趨于平衡。整體而言，由于小說(shuō)的大部分情節(jié)在水平線以下，這可能導(dǎo)致該書(shū)在市場(chǎng)上表現(xiàn)不佳，因此作者應(yīng)設(shè)置更多積極的情節(jié)轉(zhuǎn)折點(diǎn)，避免情節(jié)線長(zhǎng)時(shí)間位于消極情緒中。另外，每一部小說(shuō)都有自己特定的敘事焦點(diǎn)。敘事焦點(diǎn)的變化推動(dòng)了情節(jié)的發(fā)展，從而影響讀者的閱讀節(jié)奏。Bestsellerometer的統(tǒng)計(jì)結(jié)果表明，情節(jié)線的振幅和頻率與小說(shuō)暢銷(xiāo)與否高度相關(guān)，高低對(duì)稱且韻律協(xié)調(diào)的情節(jié)線更容易吸引讀者，例如現(xiàn)象級(jí)暢銷(xiāo)書(shū)《達(dá)·芬奇密碼》全書(shū)的情節(jié)線分布上屬于整體均勻?qū)ΨQ、韻律感強(qiáng)的“W”線型。

三、發(fā)展方向：從作家市場(chǎng)轉(zhuǎn)向出版業(yè)暢銷(xiāo)書(shū)業(yè)務(wù)

目前，Archer Jockers主要聚焦于作家市場(chǎng)，為小說(shuō)家的書(shū)稿提供基于算法的個(gè)性化反饋，并給作家一些出版社編輯不能提供的修訂建議。它的服務(wù)包括個(gè)性化書(shū)稿分析、小說(shuō)系列分析以及VIP服務(wù)。個(gè)性化書(shū)稿分析需要作家支付200美元服務(wù)費(fèi)用，作家會(huì)在一周內(nèi)收到Archer Jockers的報(bào)告。小說(shuō)系列分析是幫助作家在寫(xiě)系列小說(shuō)時(shí)，判斷是否應(yīng)該繼續(xù)下一本的寫(xiě)作，它會(huì)為作家提供整個(gè)小說(shuō)系列的情節(jié)走向和主題連續(xù)性等方面的反饋報(bào)告。根據(jù)小說(shuō)系列的具體冊(cè)數(shù)（5冊(cè)以內(nèi)），服務(wù)費(fèi)用大致在340-750美元之間。VIP服務(wù)主要針對(duì)一些需要一對(duì)一專業(yè)指導(dǎo)的作家，由原先出版社編輯出身的Jodie提供專業(yè)指導(dǎo)。Jodie會(huì)依據(jù)書(shū)稿分析報(bào)告與作家一起探討所有數(shù)據(jù)點(diǎn)對(duì)他們小說(shuō)的意義，幫助作家打開(kāi)思路。此外，Jodie還會(huì)給作家提供關(guān)于出版方面的業(yè)務(wù)指導(dǎo)等。該項(xiàng)服務(wù)費(fèi)用在165美元以上。隨著Archer Jockers業(yè)務(wù)的逐步開(kāi)展，已經(jīng)有多名作家對(duì)他們的服務(wù)表示認(rèn)可;而且有越來(lái)越多的作家開(kāi)始嘗試這項(xiàng)具有“算法智慧”的圖書(shū)咨詢服務(wù)。

此外，Archer Jockers還朝著為出版商、文學(xué)經(jīng)紀(jì)人和其他暢銷(xiāo)書(shū)相關(guān)業(yè)務(wù)機(jī)構(gòu)提供定制服務(wù)的方向努力，包括挑選書(shū)籍、撰寫(xiě)圖書(shū)簡(jiǎn)介、書(shū)籍分析和暢銷(xiāo)書(shū)趨勢(shì)分析等。Jodie和Matthew認(rèn)為出版業(yè)內(nèi)的暢銷(xiāo)書(shū)銷(xiāo)量存在一個(gè)可預(yù)測(cè)的模式。美國(guó)東北大學(xué)的Albert-László Barabási團(tuán)隊(duì)也對(duì)此表示支持。后者通過(guò)對(duì)“紐約時(shí)報(bào)暢銷(xiāo)書(shū)排行榜”進(jìn)行數(shù)據(jù)研究，提出了一個(gè)暢銷(xiāo)書(shū)動(dòng)力學(xué)機(jī)制。Albert-László Barabási團(tuán)隊(duì)在調(diào)查中發(fā)現(xiàn)，在虛構(gòu)類小說(shuō)市場(chǎng)中，女性作家的作品每年銷(xiāo)量更高，所占比例較男性作家更重。而Archer Jockers發(fā)現(xiàn)，從語(yǔ)言風(fēng)格的量化結(jié)果出發(fā)，女性作家掌握憑借簡(jiǎn)潔行文打動(dòng)人心的寫(xiě)作技巧，文風(fēng)更接近市面上暢銷(xiāo)書(shū)的文風(fēng)特征。如今，圖書(shū)出版業(yè)的競(jìng)爭(zhēng)相當(dāng)激烈。每年僅是在美國(guó)印刷出版的新書(shū)就超過(guò)20萬(wàn)種，而位列《紐約時(shí)報(bào)》暢銷(xiāo)書(shū)單的只有不到500本圖書(shū)。Jodie和Matthew認(rèn)為，將大數(shù)據(jù)算法和人工智能應(yīng)用于圖書(shū)出版業(yè)能準(zhǔn)確地預(yù)測(cè)小說(shuō)作品的暢銷(xiāo)品質(zhì)以及當(dāng)前市場(chǎng)動(dòng)態(tài)，有望幫助出版商打造現(xiàn)象級(jí)暢銷(xiāo)書(shū)。如今，Archer Jockers不僅幫助出版商或經(jīng)紀(jì)人將小說(shuō)作品與市場(chǎng)上的暢銷(xiāo)書(shū)進(jìn)行比較并判斷其發(fā)行潛力，還能提供其他方面的決策支持。例如，在出版商把某作家的書(shū)稿發(fā)給Archer Jockers后，后者會(huì)通過(guò)機(jī)器閱讀該作家的作品，判斷其是否具備暢銷(xiāo)書(shū)作家的潛質(zhì)，幫助出版商決定是否雇用這個(gè)作家。

四、結(jié)語(yǔ)

隨著大數(shù)據(jù)和人工智能的應(yīng)用滲透到出版的各個(gè)環(huán)節(jié)，已經(jīng)有多家公司像Archer Jockers一樣將機(jī)器算法用于暢銷(xiāo)書(shū)運(yùn)作中。例如，有的公司依靠大數(shù)據(jù)挖掘出大量用戶搜索的非虛構(gòu)題材，然后雇人按照數(shù)據(jù)分析所得的大綱快速創(chuàng)作，借助數(shù)據(jù)挖掘獲得的先機(jī)獲得利潤(rùn)。如今，雖然許多出版商開(kāi)始認(rèn)可大數(shù)據(jù)和機(jī)器算法等先進(jìn)技術(shù)對(duì)行業(yè)運(yùn)作的推動(dòng)作用，但仍存在質(zhì)疑的聲音。部分業(yè)界人士認(rèn)為，機(jī)器算法可能有助于出版商盈利，但如果將銷(xiāo)量視為衡量小說(shuō)的文學(xué)標(biāo)準(zhǔn)，會(huì)毀了小說(shuō)本身。換言之，純粹迎合讀者的小說(shuō)作品更像是機(jī)器進(jìn)行文字切割和加工后的工業(yè)產(chǎn)品，將小說(shuō)世界變成沒(méi)有多種可能性和“美感”的科學(xué)領(lǐng)域，限制了讀者的閱讀體驗(yàn)。毫無(wú)疑問(wèn)，出版業(yè)屬于文化產(chǎn)業(yè)，文學(xué)作品需要百花齊放而不是標(biāo)準(zhǔn)化生產(chǎn);機(jī)器算法等人工智能并不能取代作者所能給予讀者的文學(xué)智慧。在這科技無(wú)處不在的世界里，未來(lái)的分析算法該如何運(yùn)作才能做到不對(duì)小說(shuō)創(chuàng)作產(chǎn)生影響，這是每個(gè)像Archer Jockers這樣的圖書(shū)咨詢服務(wù)提供商都要思考的問(wèn)題。

參考文獻(xiàn)：

[1]Encyclopedia Britannica Online， Bestseller[EB/OL].[2018-12-22].https：//academic.eb.com/.

[2]Jodie Archer，Matthew L.Jockers.The Bestseller Code： Anatomy of the Blockbuster Novel[M].London：St Martins Press，2016.

[3]方卿，徐麗芳，許潔，等.出版價(jià)值引導(dǎo)研究[M]. 北京：商務(wù)印書(shū)館，2018.

[4]Burcu Yucesoy et al.Success in Books： A Big Data Approach to Bestseller[J].EPJ Data Science，2018（7）：7.

[5]搜狐.他們?nèi)嗨榱?000本書(shū)籍的數(shù)據(jù)，曝光了暢銷(xiāo)書(shū)的成功套路[EB/OL].[2018-12-22].http：//www.sohu.com/a/229292059_100039183.

[6]Jianbo Gao， Matthew L. Jockers et al. A multiscale theory for the dynamical evoluti-on of sentiment in novels[C].2016 International Conference on Behavioral， Economic and Socio-cultural Computing （BESC）. Durham：2016.

[7]澎湃.如何制造現(xiàn)象級(jí)暢銷(xiāo)書(shū)[EB/OL].[2018-12-22].https：//www.thepaper.cn/newsDetail_forward_1536608.

[8]The Atlantic. Can Big Data Find the Next “Harry Potter”[EB/OL].[2018-12-22].https：//www.theatlantic.com/technology/archive/2016/09/bestseller-ometer/499256/.

[9]陸利坤，游新冬.大數(shù)據(jù)技術(shù)在出版行業(yè)中的應(yīng)用研究[J].出版科學(xué)，2017，25（06）：89-96.

（作者單位系武漢大學(xué)信息管理學(xué)院，武漢大學(xué)數(shù)字出版研究所）