統計學家寫讀書報告

英文科要做讀書報告，小明逼不得已來到圖書館，書架放着三本經典名著。

名著一：215,517 字
名著二：75,118 字
名著三：136,955 字

揀哪本好呢？小明討厭看書，第二本最薄當然是不二之選。翻開一看，句子密麻麻的，好像幾頁都沒有分段，令小明卻步。他愛看多分段的文字，頁面多些空白，感覺讀得快一些。

事實上，第二本雖然最薄，但作者最不愛分段。

名著一：215,517 字，平均每段 85.72 字
名著二：75,118 字，平均每段 109.71 字
名著三：136,955 字，平均每段 42.03 字

論分段，第三本分段最短，最合小明的口胃。他應該「理性」地選擇最薄的第二本，還是追求「閱讀感覺良好」的第三本呢？討厭看書的小明被夾在兩本書中間，很痛苦。

為了幫助小明解開困局，我找來更多數據。

	字數	平均每段字數	平均每句字數	平均每字字母	字根比率
名著一	215,517	85.72	23.20	4.40	0.05085
名著二	75,118	109.71	22.38	4.42	0.06504
名著三	136,955	42.03	18.07	4.25	0.04796

上表可見，第三本除了分段最短之外，句子和用字都是最短的，雖然最短不一定最淺，但在正式閱讀之前，它們的長短總算是深淺的標誌吧。最後一欄「字根比率」讓我解釋一下：「write」、「writing」、「wrote」、「written」是四個不同的英文字，但它們屬於同一字根（word stem）；莎士比亞用的字根肯定比我多，這就是詞彙豐富和貧乏的分別。我把每本名著出現的字根數目除以總字數，就是「字根比率」；「字根比率」愈低表示詞彙愈單一，未必愈淺，但很有可能比較淺。

綜合所有數據，第三本雖然稍長，但它分段最短，句子最短，用詞最短亦最少，小明應看哪一本？你說呢？

故事說完，讀者問：數據是真的嗎？真的話，是哪三本名著？哪裏得來這樣「巨細無遺」的數據？

謎底：名著一是 Herman Melville 的《Moby Dick》，名著二是 Mary Shelley 的《Frankenstein》，名著三是狄更斯的《A Tale of Two Cities》，我中學時代三本都讀過，三本都讀不懂。資料來源為 WolframAlpha 網站（創辦人 Stephen Wolfram 是一名天才，事蹟頗具傳奇性，足以另文介紹），一自稱為 computational knowledge engine 的搜尋器，其與一般搜尋器不同之處是它並非「盲目」列出相關網頁，而是懂得整合出一系列「有意義」的相關資訊，例如輸入某本名著的名稱，除了吐出其作者、出版日、主角等網絡上垂手可得的基本資料外，它更提供一些深入而微的分析，包括每章字數、最常用字、全書最長的字、最長一句、字長分佈、句長分佈等，好像統計學家寫讀書報告；對普通人而言，這些資料有趣卻無甚實用價值，對有硏究需要的人來說（例如我），這是一個寶庫，省去不知多少時間氣力。

WolframAlpha 的資料庫由專人輸入和校對，保證可靠，這是互聯網和維基百科無法比擬的；當然這也是最大的局限，其「知識」無論如何廣博，也無法如互聯網般包羅萬有，例如我嘗試問它「how many novels did Charles Dickens write?」，它只能給我狄更斯的個人介紹，未能直接回答我的問題；問 Google 同一問題，或多或少有個答案。

另一缺點是它不能 copy and paste，下載分析必須加入試用版，試用期完結便要付費，少量數據可以手抄（例如今次），大量硏究便無可奈何得掏腰包了。世上充斥免費資訊，但沒有永遠免費的可靠資訊。

（2012 年 4 月 21 日 信報副刋）