网络文学因数字技术而生而兴，所以网络文学批评在方法上理应自带数字化基因。结合网络文学的类型化特征和近年来兴起的数字人文研究方法，作为量化研究利器的大数据管理与深耕文本定性研究的类型学方法结合，是网络文学批评的重要方向。网文批评界对类型学批评较为认可，但对算法批评却认识不足。这既与观念有关，也和人文批评的技术区隔相连。

　　开展算法批评的必要性

　　所谓网络文学文本的算法批评，是利用电子大数据和软件程序的帮助，按照一定的目标设定和试验测试，对数量庞大的网络文学文本进行数据挖掘，精确呈现文本规律性和变化特征的量化批评方法。作为数字人文研究方法的有机组成部分，算法批评伴随人文科学的学科化和科学性发展历程，走过了从文献研究中简单的统计学方法发展到对复杂海量数据的人文计算，再到今天借助人工智能手段的可视化、模型化的复杂验算与呈现三个阶段。虽然算法批评在整个文学批评中目前尚处在辅助性的研究阶段，但却预示了人工智能批评时代的远大前景。

　　算法批评的产生，根本上是为满足人文学者在文学批评和研究中，对对象的客观性和全面性把握的科学诉求。严肃的人文科学研究试图借助这种实证思维和方法，克服研究者的“小阅读”与“大对象”、主体的主观性和客体的客观性之间的矛盾与诉求。

　　当代网络文学的文本批评急需算法批评，是因为批评者个人和批评对象之间存在客观的鸿沟。一方面是批评对象的巨大与批评者个体阅读精力的极其有限。网络文学2700多万部的海量文本和动辄300万—400万字篇幅的超长篇，让习惯了“细读”的批评者“望洋兴叹”；二是批评者擅长的追求文学性的批评知识和理论不太符合网络文学的“知识状况”，虽然都是共享了“文学”之名，但网络文学的市场化、类型化和网络化属性让其离“文学性”较远，网络文学创作中的“设定”置换了“现实”，场景切换了背景，类型取代了个性，等等。这说明，传统感悟的、经验的、印象式个体批评，需要被客观的、科学的系统性批评取代。

　　开展算法批评的可行性

　　算法批评在一定程度上能满足这种形势需求。事实上，日益发达的人工智能技术为这种基础提供硬件保证；网络文学的类型化特征从文本创作规律上提供“软件”支撑。从技术上说，随着文学网站对原创文学作品的数字库存处理技术成熟，数据库建设健全，各类数据统计软件、文学研究软件和AI写作软件的建设与开发，为算法研究提供了数据来源和技术帮助。虽然专业化的编程程序对广大批评者来说技术门槛很高，难以直接上手和推广，但已有的研究成果说明开展算法批评可行。

　　随着计算机的出现，电子索引、查找大数据变得简便易行，用计算机和大数据来考察文化体系的做法越来越被学界认同。2000年前后，以莫莱蒂和马修·约克斯等为代表的西方数字人文研究者，推动了人文计算向数字人文的提升。在文学批评领域，用算法开展的分析主要集中在作者身份、人物关系、作家感情、用词习惯、文学手法、主题、修辞手法、文体分类等方面。莫莱蒂等人的远读理念和社会网络分析与情节分析等方法，很快被一群年轻学者引入国内并尝试使用。

　　算法批评初步在网络文学文本批评中得到运用并取得一定成效。北京大学和上海大学的网络文学批评研究团队，在这方面率先做了尝试。如北大网文团队中，李强试图从技术视角把握网络文学特征的尝试，提出“网文算法”（俗称套路），从设定、类型与“数据库”三个层面，探求技术与文本生成机制之间的关系；吉云飞借用远读法分析男频升级流中的小说节奏与读者情绪；许婷、肖映萱等对总裁文的亚类型多宝文中角色网络的数字化统计，从角色的升降关系看读者的情感转移。上海大学网文研究团队中，张永禄和杨至元以起点中文网、晋江文学城、纵横中文网与17K小说网等大型原创网络小说平台的2019—2020年网络武侠小说排行榜上千部作品为样本，进行量化分析，观察当下男频武侠小说和女频武侠小说创作的基本情态与不同走势，得出当下网络武侠小说创作虽处颓势却暗藏生机的基本结论；刘赛用Python等技术对玄幻小说的世界观设定、时空布局、主人公力量等级体系等，进行统计、对比和可视化呈现。

　　以上案例说明，算法批评在网络文学文本研究中是可行的，它确实纠正了文本批评的随意性和主观性，极大增强了文本分析的科学性和结论的客观性，成为当下网络文学文本批评的一条新途径。但我们需要认识到，对网络文学开展算法批评仅仅是开始，它远远谈不上成熟。

　　开展算法批评的困难性

　　当前，开展算法批评遇到的困难主要有二。一是物质技术条件的限制。我们知道，人工智能研究的第一基本条件就是足够的算料（数据库）和算法（处理数据的编码程序）。网络文学文本虽然都在网上，但由于网络文学原创文本基本属于商业性的文学网站，很少免费对公众开放，这对批评者的采样带来了限制。对于广大批评者来说，算法批评是有技术门槛的，目前基本上只能依靠常见的统计工具（如Python）或现成的文学研究软件（如由谷臻故事工厂开发的一叶故事荟软件）。这种算法工具使用上的被动性对批评效果的影响是不言而喻的，软件设计能力的高下也直接影响了批评结果。

　　二是处理机器运算和批评主体的矛盾关系。这是数字人文研究中不能回避的问题，也是争议极大的问题。网络文学批评是人文研究，批评家的主体性地位是主导，但算法批评因对机器人或软件的过分依赖，很容易导致批评的工具化后果。不仅使用软件挖掘数据和开展批评试验的成果就像做自然科学实验或数学统计工作一般非常枯燥和单调，而且得出来的结论也非常死板和冰冷。我们很难看到批评者的喜怒哀乐，这在很大程度上影响了文学批评工作的审美性和读者的阅读快感。因此，在技术有限的条件下，笔者主张批评主体的主导性地位，算法批评的辅助性地位，算法为批评者服务，而不是批评者为算法服务。理想的批评是实现跨学科的合作，批评者能积极参与到算法程序的设计中，和技术设计人员合作，实现文学的叙事语法、情感语法与人工智能算法的赋值、附情融合。

　　限于现有人工智能在文学领域应用的水平，算法批评还处于弱量化研究阶段，单纯的量化研究得出的结论很难超过我们的文学经验与艺术直觉。如果算法批评仅仅局限于人物功能、文体学、修辞、情感倾向和叙事节奏的描述和可视化呈现，虽然保证了批评的科学性，但其思想和艺术价值的深度得不到保证。从目前研究成果看，质性研究的主导性介入，为算法批评提供了基本框架和思想开掘的战略地图。可以说，算法批评与类型学批评的结合值得重视和推广，因为类型学的叙事语法为算法批评提供了基本句法、人物关系等分析模型，而类型演变与价值变迁的对位比较，则保证了批评的思想艺术的复杂性阐释，叙事的形式结构与社会文化历史结构的互文阐释，能把网文批评导向时代需要的深度。

　　（作者单位：上海大学文学院）