数字出版叙事的量化方式及应用初探*

摘 要 叙事作为信息传递的重要载体，是出版物内容的关键组成部分。对叙事特征和规律及其影响的深入挖掘和阐释，已逐渐成为出版学领域的重要研究方向。近年来，自然语言处理和文本挖掘的发展为叙事的量化分析提供了有力的技术支持，理解和应用计算叙事成为推动出版业持续发展的关键因素。文章从叙事学理论出发，系统介绍计算叙事的基本理念，梳理并论述现有研究中对叙事语言、叙事结构和叙事情感的量化方法及计算叙事的具体应用，探讨计算叙事方法在数字出版中的潜在应用场景，为出版内容的优化和出版业的转型提供了新的视角。

关键词 叙事；计算叙事；计算方法；数字出版

数字出版是指利用数字技术对知识性产品进行加工制作并向公众传播的过程，其客体是内容，面向的对象是公众，因此，理解内容对公众的影响机制应当是出版学研究中重要的议题。叙事是承载信息、传播内容、促进交流的关键载体，是构成出版物内容的重要属性之一。理解叙事现象、挖掘叙事规律并探究叙事与受众间的关系也应当是出版学研究需要关注的重要研究课题。

近年来，叙事逐渐成为出版学研究的重要领域与研究方向并进行了较为深入的理解。现有研究多从案例分析出发，结合叙事学理论与新兴媒介技术探究不同出版物的叙事模式[1-2]。此外，也有研究对叙事进行语义建模、规范化表征与组织[3]并尝试实现叙事文本的机器理解、结构解析、自动生成等[4–6]。这些研究是对经典叙事学理论的进一步应用与模拟，是对叙事学理论的继承与发展。

随着自然语言处理、深度学习等技术的发展，利用文本挖掘、数据分析探究叙事特征与规律成为诸多领域研究尝试的新兴方向，形成量化叙事现象的技术、方法与指标并在大量实证分析中得到应用与尝试，这些量化方法也形成“计算叙事”的基本理念和实施路径。作为一种新兴的方法体系，深入理解计算叙事，有助于拓宽出版学研究的视野，并且也能够为出版业的发展提供量化证据和决策依据。

基于此，本文从叙事学理论出发，结合现有研究，系统论述计算叙事的基本理念、核心方法、关键指标与计算方式并对计算叙事的实际应用和与出版业的关系进行讨论。

1 叙事学理论

叙事学作为一种研究叙事的学科，起源于20世纪初期。弗拉基米尔·普罗普（Vladimir Propp）的《故事形态学》（Morphology of the Folktale）中分析俄罗斯民间故事的结构，提出31个叙事功能和7个角色类型的概念，奠定现代叙事学基础[7]。叙事学发展经历经典叙事学和后经典叙事学两个阶段，是文学理论的重要分支。

20世纪60—70年代，受到结构主义尤其是法国结构主义的影响，叙事学兴起，罗兰·巴特（Roland Barthes），阿尔吉达斯·格雷马斯（Algirdas Julien Greimas）和热拉尔·热奈特（Gérard Genette）是重要的理论贡献者。罗兰·巴特在《叙事作品结构分析导论》（An Introduction to the Structural Analysis of Narrative）中，进一步拓展叙事学的研究范围，划分出叙事作品的3个描写层次：功能层、行动层和叙述层[8]。格雷马斯通过语义学的视角，在《结构语义学》[9]和《论意义》[10]中分别详细阐述“行动元模型”和“符号矩阵”等理论。热奈特则在《叙事话语》（Narrative Discourse）中，探讨故事时间与叙事时间的关系以及叙事语式与语态，提出“叙述层”“叙述聚焦”等重要概念[11]。

后经典叙事学阶段，叙事学超越经典叙事学的文学、文字范畴，还吸收了心理学、社会学和认知科学等学科的理论成果，产生多样的叙事理论体系，逐渐形成多学科交叉研究的趋势。例如，基于数字媒介的数字叙事学，探讨智能设备与技术下调和叙事性与互动性的问题。这些理论不仅丰富了叙事学的研究内容，也为现代计算叙事的研究奠定了坚实的基础。

总体而言，叙事学理论建构在对经典个案（例如：戏剧、民间故事、小说等）的阐释基础上，通过对不同故事及其结构的理解，进而归纳出叙事的结构、组成要素等。这些对叙事特点的阐释与解析会形成特定的分析框架，进而用来解释更为丰富的叙事现象，从而诞生诸如交互叙事、非线性叙事、非自然叙事等特殊形式的叙事理论体系以及对特定体裁文本叙事方式的理解。

2 叙事的计算与量化方法

叙事理论的发展为多维度量化分析叙事提供了坚实基础。通过与计算机科学和数据科学方法的结合，大量研究从语言、结构、情感等角度设计并验证表征叙事特征的测度方式，不仅丰富和拓展传统叙事学理论，同时在对不同文化产品的实证分析中，进一步揭示叙事特点及其影响。

2.1 计算叙事基本理念

计算叙事是一个新兴的跨学科研究方法体系，结合叙事学基础理论和计算方法，通过量化分析手段来研究叙事现象及其规律，进一步探究叙事对受众认知的影响。计算叙事的核心思想在于利用计算机科学和数据科学的方法来系统化和量化地研究叙事文本。通过自然语言处理（NLP）和文本挖掘技术，计算叙事能够处理和分析大规模的文本数据，从而揭示隐藏在叙事中的模式和规律。

叙事是一种高维度、富语义、高度情境化的复杂文本对象。为了有效地分析这种复杂文本对象，就需要对叙事进行降维和解构，从不同层次入手，突出叙事中最重要的特征并将叙事分解为更易于分析的基本单元，以揭示特定叙事特征的规律。按照结构主义叙事学的理念，叙事的构成包括叙事内容（讲述的故事）、叙述话语（故事的视角、语言或语句等）、叙述动作、叙述视角等。因此，量化分析叙事可分为3个层次。①叙事语言：分析叙事文本中的语言使用，包括词汇、句法和修辞手法，理解语言如何塑造叙事的效果和意义。②叙事结构：研究叙事的整体结构，例如情节的安排、时间线的构建、叙述视角的选择等，探讨这些结构如何影响读者的理解和体验。③叙事情感：通过情感分析技术，探讨叙事文本中的情感表达和情感走向，理解叙事如何引发和调控读者的情感反应。

计算叙事的关键在于从理论出发，结合量化分析方法，形成对叙事文本理解的新视角。这一过程不仅验证和拓展了传统叙事学的理论，还揭示了新的叙事现象和规律。通过计算方法和技术，计算叙事能够深入研究叙事文本的结构、语义和情感特征，揭示叙事对认知和情感的影响。与传统出版学领域的叙事研究不同，计算叙事可以实现由经典个案阐释向共性规律挖掘的转变，能够在更大尺度数据集上探究叙事现象的规律与模式，进而可以有效分析叙事对受众的影响，从而为出版物的内容生产、设计、传播流通等提供决策参考。

近年来，对叙事语言、叙事结构以及叙事情感的量化得到管理学、营销学等领域的关注并从不同角度出发，在对叙事外在及内涵特征理解的基础上，设计了多种量化指标，进行了较为丰富的实证探索。对这些研究进行归纳总结，有助于为出版学研究发展提供参考思路，也有助于为出版行业发展提供借鉴。

2.2 叙事语言

叙事语言是叙事的外在表现，叙事需要借助特定的语言加以表达，与此同时，语言也是受众处理、交流、理解信息与内容的首要方式。因此，语言在叙事中也扮演着重要角色。叙事语言会根据文本体裁、叙述者、叙事对象等的差异而具备特殊的语言现象（修辞、语法、句法、词汇使用、语义等），从而形成独特的叙事语言风格，进而影响受众对叙事的认知与理解，带来不同的行为及反馈。因此，量化叙事语言特征、归纳叙事语言风格、探索语言风格与受众的关系逐渐成为消费者行为学、图书情报等领域关注的新兴话题[12]。

一方面，有研究通过对叙事文本中字、词、段落的语法特征、词性结构等语言现象进行分析，实现对内容表达方式、写作风格的规律发现与挖掘并探究其对内容传播、营销等方面的影响。例如，Packard等[13]通过一系列实证分析揭示动词时态对消费者行为的说服效果；Cascio Rizzo等[14]研究感官语言（Sensory Language）对意见领袖在网络营销等方面的积极作用；Boghrati等[15]从语言风格的角度出发，探究科学论文功能词汇与引用数量间的关系，并对语言风格如何影响思想市场（marketplace of ideas）的成功进行解释；Chen等[16]从词汇、语法等对科学论文写作风格进行理解，并探讨其在科学传播两种方式（知识利用与在线关注）中的具体作用。这些研究借助自然语言处理技术，通过计算特殊的句法结构、词汇分布等语言使用现象以量化叙事语言的特点，归纳不同体裁文本的写作风格特点与规律，进一步理解了叙事语言的实际作用。

另一方面，有研究聚焦叙事文本中的主题、情感、情绪等语义特征。例如，龚诗阳等[17]以晋江文学网为研究对象，利用Guided-LDA主题模型提取积极心理主题并探究网络小说积极心理主题多样性、积极心理强度对受众关注等的影响，进而解释文化产品流行与作品风格的影响。

2.3 叙事结构

根据叙事学理论，叙事结构是指故事的组织方式，包括情节、时间顺序和事件的排列与组合，是具有特定语义特征及功能特点的文本块按照一定逻辑顺序进行关联组织的具体方式。因此，对叙事结构进行量化与计算需要兼顾叙事的外在特点及内在语义特征。

关于叙事结构的计算方法，以Jonah Berger、Olivier Toubia等人的研究最具代表性。Berger等人[18-19]系统探索量化叙事结构特征的方法并进行大量的实证探究，一方面验证叙事结构计算的有效性，另一方面也为探索计算叙事的实际意义和研究价值提供了思路。其基本理念是将不同体裁、类型的文本理解为一组由文本块构成的序列，进而利用文本向量化的思想，使用词嵌入技术实现文本的向量化处理，将每个文本块表示为一个潜在语义空间（latent semantic space）中的向量，从而将文本转化为语义空间中点的序列。随后，通过对相邻文本块距离、相似度等的计算以及诸多指标的设计来表征叙事结构的特征，完成对叙事结构的量化计算。这种基本理念，一方面符合叙事结构的外在特点，即叙事结构是由多个相邻文本块构成，另一方面也较为符合叙事结构的内在语义特征，即可以通过相邻文本块的相似性或差异性来体现文本块在内容表达方面的差异，实现对叙事结构特点的刻画。

其计算过程如下：首先，清洗后的文本按照固定长度被拆分为一组连续的文本块；随后，使用Word2vec模型对文本块进行向量化处理，将文本块表示为一个N维语义空间中的一个点，即每个文本块t可以由一个N维的向量xt表示，该向量捕捉了对应文本块在语义空间中的位置。因此，每个文本都由语义空间中的一个路径来表示，即一连串的点{x1，x2 …xT}，其中每个点xt反映一个文本块的位置，而T是路径中所有点的数量。随后，Berger等人[18-19]基于文本向量设计如下3个指标来进一步测度和表征叙事结构的特征。

（1）叙事速度（Speed）。相邻文本块在语义空间中的平均欧氏距离（Euclidean distance），其中，平均距离越小，意味着两个相邻文本块的语义相似度越接近，叙事速度越慢，其计算方式如下：

distance（t）= ‖xt+1- xt‖

叙事速度一方面可以用来表征叙事的快慢与跳跃性，较高的叙事速度意味着较快且更加跳跃的叙事节奏，另一方面也可以理解为叙事的逻辑连贯性以及文本内容的关联方式。较低的叙事速度意味着一个文本序列中两个相邻文本块在语义上更加相近，体现文本内容的语义组织方式。从受众的视角来看，叙事速度还可以被解释为受众覆盖文本间的叙事距离所需的努力。通常情况下，跳跃性越强、连贯性越弱的文本尤其需要受众付出更多的认知负荷去理解文章内容。

（2）叙事体积（Volume）。叙事体积通过包含文本i点序列{x1，x2 …xT}的最小体积椭球体估算，借由最小体积封闭椭球体可以得到定义这个椭球体的正定矩阵的特征值，由特征值平方根的倒数可以得到椭球体轴线的长度。最终最小体积椭球体的体积等于单位球体的体积与轴线长度的几何平均值的乘积。

与叙事速度的不同之处在于，叙事体积这一指标侧重衡量内容及叙事的整体特征，因此更多从内容集合而非内容序列的角度实现对叙事整体结构的表征。与此同时，叙事体积这一指标也反映思想、观点的生成方式，尤其适用于表征多种不同主题的组合以及关联程度，刻画文本及叙事所覆盖的内容范围。此外，叙事体积也能够在一定程度上反映文本或叙事中所包含的信息量。通常情况下，叙事覆盖的内容范围越广则叙事中包括的信息量越大，因此，叙事体积也为文本信息量的计算提供了思路。

（3）叙事曲折性（Circuitousness）。给定文本i中的第一个点x1和最后一个点xT以及需要经过的另一组点序列{x2，…xT-1}，通过优化旅行商问题得到x1和xT之间的最短距离，同时计算经过所有点的实际距离 distance（t），进而通过量化实际序列{x1，…xT-1}的偏离值，即可得到叙事的曲折性，叙事曲折性的计算公式：

叙事距离与曲折性也是反映叙事的整体结构特征，但与叙事体积不同的是，距离与曲折性更好地反映文本块是如何被覆盖的，是从全局视角对文本整体叙事跳跃性、连贯性的衡量。此外，Piper等[20]使用曲折性指标对非线性小说文本的非线性程度进行测度。该研究认为，文本整体的曲折性越高意味着文本具有较强的跳跃性，会在整体上呈现出非线性的特点。

除了叙事结构是由一系列相邻文本块组成的特点之外，值得注意的是，叙事也是对特定对象的描述，诸如具体的人物、地点、突出事件等，而这些特定对象也是推进叙事发展、形成叙事结构的关键点，是构成叙事的主要元素。借助叙事要素的变化来反映叙事结构的特征也是测度叙事结构的思路之一。

Sap等人[21]以叙事中的事件为对象，设计顺序性（sequentiality）测度指标及计算方式，用来表征叙事的流动（Narrative flow）。此外，O-Joun Lee等[22]设计基于动态交互网络的叙事流畅度（Narrative Fluency）测度方式。首先，借助自然语言处理技术，对文本段落内的名词与代词实体进行识别与抽取；随后，围绕同一文本段落或语句内出现的实体，利用实体间的共现关系，构建叙事实体网络。在此基础上，该研究设计了叙事的连续性（Narrative Consistency）和叙事发展的速度（rapidity of narrative development）两类指标实现对叙事流畅度进行测量。其中，叙事的连续性是通过计算不同文本中关键实体的一致性来表征。研究首先计算了实体网络中的3种中心性（度中心性、接近中心性、中介中心性）并对其进行标准化处理；同时使用熵刻画关键实体的离散程度，进一步明确文本中的关键实体；随后使用Jaccard系数计算文本内实体与标题中实体的距离，从而实现对一致性的测量，进而表征叙事的连续性。叙事发展的速度则是借助叙事实体的网络变化率来表征。相较于Word2vec模型，该研究使用了Graph2vec模型，将叙事网络的结构特征而非节点或边属性进行向量化处理，随后通过计算网络结构向量的欧式距离反映在不同段落里叙事网络的结构变化快慢，从而表征叙事的发展速度。

因此，聚焦叙事要素，测度叙事结构就有了更加复杂且更具有针对性的计算方式。以此为基础，叙事实体网络也是对叙事结构的刻画，与Berger等人[19]提出的想法不同，叙事结构不再是由文本序列以及其向量化后所形成的点序列组成，而是聚焦叙事描述的特定实体形成的具体的叙事网络，其结构特点更加丰富。但这种计算方式也忽略了文本块内部所表达的语义。例如，同样描述一个实体，不同的文本、文本组织方式都会带来叙事上的变化，仅聚焦于实体势必会给叙事特征的表征带来偏差。

2.4 叙事情感

叙事中的情感变化也是叙事的重要特征，有研究指出连续的场景切换，积极或消极场景的串联能够使得故事更富有吸引力[23]。为此，Berger等人[24]提出情绪波动性（Sentiment Volatility）的指标，用来表示叙事过程中情绪的波动及变化。其具体的计算方式是将文本分割成文本块并且使用情感分析方法计算文本块的情感值，进而使用相邻文本块情感差异的标准差来表示情绪波动性。此外，也有研究使用诸如情感方向变化次数来衡量情感变化[25]。

3 计算叙事的应用场景与具体应用

随着数字技术的不断发展，信息传播的方式逐渐多元，要促进数字出版行业的不断发展，就必须着力于内容生产环节，依托更符合受众阅读方式、价值需求、行为特征的内容及作品，实现出版业整体竞争力的提升。因此，需要在内容生产环节引入以数据分析、规律挖掘为基础的科学决策方式，辅助内容生产方进行优质内容的策划、加工与生产。

3.1 应用场景

计算叙事方法通过对文本叙事结构和情感特征的量化分析，能够在复杂的内容环境下，实现对文本高维度叙事特征的规律挖掘，因此可以为内容策划、设计、传播和优化提供科学依据和技术支持。

通过优化不同的叙事表现方式、结构特点等，出版人可以设计出更符合市场特征、用户行为习惯的内容产品，提升数字出版物的吸引力和传播效果，获得更多的受众注意力资源，从而实现高效发展。随着自然语言处理和文本挖掘技术的不断发展，计算叙事的思想和理念将在数字出版中发挥越来越重要的作用，为出版行业的持续发展提供强大的动力。出版人应充分利用计算叙事方法，优化内容策划和传播策略，提升出版物的质量和市场竞争力，为出版业的转型发展提供参考与借鉴。

（1）内容策划与设计

在出版行业，内容策划与设计是确保出版物成功的关键环节。计算叙事方法通过对叙事文本的结构化分析与优化，挖掘出内容中存在的叙事特征与模式，能够为内容策划提供科学依据和创新手段。具体而言，利用自然语言处理（NLP）和文本挖掘技术，可以对大量文本进行降维和解构，提取出特定的叙事特征，从而指导内容策划。例如，通过分析叙事速度、叙事体积和叙事曲折性等指标，可以评估不同文本的叙事节奏、内容覆盖范围及连贯性，为内容策划提供数据支持。

出版人可以利用这些分析结果优化文本结构，提高叙事的连贯性和吸引力，进而提升读者的阅读体验。例如，在策划小说或纪实文学时，可以通过分析成功作品的叙事特征，设计出符合作品体裁特征且更加引人入胜的内容结构。此外，计算叙事技术还可以帮助识别那些在情感表达和情绪转折方面具有独特优势的文本特征，从而在内容策划中加以应用，增强读者的情感共鸣。

计算叙事方法也可以用于分析和优化作者的叙事风格，帮助作者提高写作水平和作品质量。通过对成功作品的叙事结构和情感特征进行分析，可以提取不同类型作品的共性特征和最佳实践，为作者提供参考和指导。例如，通过分析叙事速度、叙事体积和叙事曲折性等指标，可以识别最受读者欢迎的叙事结构，从而在创作中加以应用。

此外，计算叙事技术还可以帮助作者实时监测和优化自己的写作。例如，作者可以在写作过程中使用计算叙事工具对文本进行分析，及时发现并解决叙事结构和情感表达中的问题，优化文本结构和情感表达，提高作品的吸引力和质量。这种叙事风格分析与优化工具不仅可以帮助作者提高写作水平，还可以提升出版物的整体质量和市场竞争力。

（2）个性化推荐

在数字出版时代，个性化推荐系统成为吸引和留住读者的重要工具。计算叙事的思想和方法可以结合读者阅读行为和偏好的分析，为实现更加精准的个性化推荐提供基础。例如，通过对读者阅读历史中的叙事结构和情感特征进行分析，可以识别读者偏好的叙事类型和情感风格。基于这些分析结果，出版人可以为每位读者推荐符合其偏好的书籍和文章，提升阅读体验和满意度。

此外，借助计算叙事方法与细粒度读者阅读行为分析，可以实现出版物及内容的动态推荐。例如，当读者在阅读过程中表现出对某种叙事风格的特别兴趣时，系统可以及时推荐更多类似风格的内容，增强读者的黏性和忠诚度。这种个性化推荐系统不仅可以提高读者的阅读体验，还可以帮助出版人更好地了解读者需求，优化内容策划和营销策略。

（3）叙事内容自动化生产与监管

本文提及的计算叙事方法目前还多以文本为分析对象，未来还可以借助多模态分析与自然语言处理技术，将计算叙事的理念和方法运用到文本、音频、视频等多种媒体形式的叙事结构的分析上，生成具有高度一致性和情感共鸣的多媒体叙事内容。例如，通过对文本内容的情感分析，可以生成与文本情感一致的背景音乐和音效，增强读者的情感体验。

与此同时，这些叙事结构方面的指标也可以成为AIGC的评判依据，用来指导叙事内容的自动化生产。利用叙事体积和叙事曲折性等指标，可以生成具有多样性和复杂性的故事情节，满足不同读者的需求。计算叙事技术不仅可以提高故事生成的效率，还可以提升故事的质量和吸引力，为出版行业带来新的发展机遇。

此外，计算叙事的思想还可以帮助出版人设计和生成富有创意和吸引力的多媒体叙事内容。例如，通过对成功多媒体作品的叙事结构和情感特征进行分析，可以提取多媒体叙事的最佳实践和创新思路，为出版人提供参考和指导，并为受众提供更加丰富和多样化的阅读体验。

3.2 具体应用

除了设计出表征叙事特点的测度方式外，这些研究还在不同场景下，分析不同文化产品的叙事特点，以及其影响。本文对这些研究进行归纳与总结，见表1。

综合以上研究可以发现，计算叙事的具体研究存在以下特点。

（1）以多元的文化产品为研究对象。研究对象包括小说、电影、电视剧、传记、新闻报道、科学论文等，这些不同体裁、样式、模态的文化产品在叙事方面的差异也进一步说明，使用量化的方式能够揭示不同特点的叙事模式。

（2）叙事的多维度量化分析。这些研究均使用十分丰富的指标对叙事特点进行量化测度与分析，但仍然具有较为明显的层次性特点，会聚焦于语言、结构、情感等层次。此外，这些叙事指标也较为符合叙事理论的理解，是由理论阐释结合实际情况进行的指标设计，具有一定的普遍性，也为理解出版物内容特点提供了参考。

（3）丰富的机制检验。这些研究着重探讨叙事与文化产品流行性、参与度、吸引性的问题，一方面会对比不同体裁文化产品的共性与差异，另一方面会从用户认知的视角出发，设计多组用户实验深入探讨叙事对文化产品的影响。这种混合式的研究范式融合了数据驱动、模型驱动的研究范式，对于现象及规律发现的因果性解释具有重要意义。

4 讨论与总结

计算叙事通过自然语言处理和文本挖掘以及诸多量化分析方法，系统化地研究叙事文本，揭示其内在规律和影响。这一领域的研究不仅丰富了叙事学的理论体系，还为出版学研究提供新的工具和视角。

现阶段，计算叙事的方法和思路仍然存在一定局限。①计算叙事存在语义理解的偏差。叙事文本是一种富语义文本，叙事特征高度依赖语境信息。计算方法在处理特殊语言与叙事现象时，仍然存在困难。②计算模型存在一定的局限性。诸如深度学习带来的“黑箱”问题，导致难以解释其内部工作原理，对理解和验证结果带来困难。③叙事特征捕捉的不完备性。计算方法可能难以捕捉叙事中的细微特征，如叙述者的语气、隐含的文化背景和细腻的情感变化。此外，叙事文本的复杂结构，如非线性叙事、嵌套故事等，可能难以通过简单的计算模型进行有效解析。

总体而言，为了实现共性规律的挖掘与识别，特定的语境信息会被过滤和遗漏，使得对更加具体叙事现象的分析存在偏差。因此，如何融合经典个案阐释与共性规律挖掘，进而实现对叙事现象更加精准的表征与刻画，将是未来出版学研究的重点。

（责任编辑：郭剑）

参考文献

[1] 徐丽芳，曾李.数字叙事与互动数字叙事[J].出版科学，2016，24（3）：96.

[2] 蔡凌菲，徐丽芳.Nosy Crow童书应用：叙事与游戏的融合台[J].出版参考，2017（11）：24-26.

[3] 宋宁远，王晓光.基于情节本体的叙事性文本语义结构化表示方法研究[J].中国图书馆学报，2020， 46（2）：96-113.

[4] PIPER A，SO R J，BAMMAN D.Narrative theory for computational narrative understanding[C/OL]//Proceedings of the 2021 Conference on Empirical Methods in Natural Language Processing.2021：298-311[2024-08-15].https：//aclanthology.org/2021.emnlp-main.26.

[5] GERVÁS P.Computational approaches to storytelling and creativity[J].AI Magazine， 2009， 30（3）：49-49.

[6] AKIMOTO T.Computational modeling of narrative structure：A hierarchical graph model for multidimensional narrative structure[J].International Journal of Computational Linguistics Research，2017，8（3）：92-108.

[7] PROPP V.Morphology of the Folktale[J].U of Texas P，1968.

[8] BARTHES R，DUISIT L.An introduction to the structural analysis of narrative[J].New literary history，1975，6（2）：237-272.

[9] 格雷马斯.结构语义学：研究方法[M].吴泓渺，译.生活·读书·新知三联书店，1999.

[10] 格雷马斯.论意义：符号学论文集[M].吴泓渺，冯学俊，译.天津：百花文艺出版社，2011.

[11] GENETTE G.Narrative Discourse：An Essay in Method[M].Ithaca：Cornell University Press，1980.

[12] PACKARD G，BERGER J.The emergence and evolution of consumer language research[J].Journal of Consumer Research，2024，51（1）：42-51.

[13] PACKARD G，BERGER J，BOGHRATI R.How verb tense shapes persuasion[J].Journal of Consumer Research，2023，50（3）：645-660.

[14] CASCIO RIZZO G L，BERGER J，DE ANGELIS M，et al.How sensory language shapes influencer’s impact[J].Journal of Consumer Research，2023， 50（4）：810-825.

[15] BOGHRATI R，BERGER J，PACKARD G.Style， content and the success of ideas[J/OL].Journal of Consumer Psychology，2023，33（4）：688-700.

[16] CHEN K，SONG N，ZHAO Y，et al.Online attention versus knowledge utilization：Exploring how linguistic features of scientific papers influence knowledge diffusion[J].Information Processing amp; Management，2024，61（3）：103691.

[17] 龚诗阳，杨伟超，宋元明，等.数字文化产品为何流行？基于积极心理理论的大规模文本分析[J].南开管理评论：1-34.

[18] TOUBIA O，BERGER J，ELIASHBERG J.How quantifying the shape of stories predicts their success[J/OL].Proceedings of the National Academy of Sciences，2021，118（26）：e2011695118.

[19] BERGER J，TOUBIA O.The topography of thought[J].PNAS nexus，2024，3（5）：163.

[20] PIPER A，TOUBIA O.A quantitative study of non-linearity in storytelling[J].Poetics，2023， 98：101793.

[21] SAP M，JAFARPOUR A，CHOI Y，et al.Quantifying the narrative flow of imagined versus autobiographical stories[J/OL].Proceedings of the National Academy of Sciences，2022，119（45）：e2211715119.

[22] LEE O J，KIM J T.Measuring Narrative Fluency by Analyzing Dynamic Interaction Networks in Textual Narratives.[C/OL]//Text2Story@ ECIR.2020：15-22[2024-08-15].https：//ceur-ws.org/Vol-2593/paper2.pdf.

[23] GERGEN K J，GERGEN M M.Narrative and the self as relationship[M/OL]//Advances in experimental social psychology（21）：.Elsevier，1988：17-56[2024-08-15].https：//www.sciencedirect.com/science/article/pii/S0065260108602233.

[24] BERGER J，KIM Y D，MEYER R.What makes content engaging？ How emotional dynamics shape success[J].Journal of Consumer Research， 2021，48（2）：235-250.

[25] PHAM M T，COHEN J B，PRACEJUS J W，et al.Affect monitoring and the primacy of feelings in judgment[J].Journal of consumer research， 2001，28（2）：167-188.

[26] PACKARD G，BERGER J.How Language Shapes Word of Mouth’s Impact[J/OL].Journal of Marketing Research，2017，54（4）：572-588.

[27] LAURINO DOS SANTOS H，BERGER J.The speed of stories：Semantic progression and narrative success[J].Journal of Experimental Psychology： General，2022，151（8）：1833.

Quantification and Applications of Narratives in Digital Publishing

Ningyuan Song1 Junyi Shi1 Di Wang2 Yao Zhang3

1.School of Information Management， Nanjing University，Nanjing 210023，China；2.School of Liberal Arts， Nanjing University，Nanjing 210023，China；3.School of Journalism and New Media， Xi’an Jiaotong University，Xi’an 710049， China

Abstract As a crucial medium for information dissemination， narrative constitutes a key component of publication content. The in-depth exploration and elucidation of narrative characteristics， patterns， and their impacts have increasingly become a significant research focus within the field of publishing studies. Recent advancements in natural language processing and text mining have provided robust technical support for the quantitative analysis of narratives， making the understanding and application of computational narratives a pivotal factor in driving the sustainable development of the publishing industry. This paper systematically introduces the fundamental concepts of computational narratives from the perspective of narratology theory. It reviews and discusses the quantitative methods for narrative language， narrative structure， and narrative sentiment in existing research and the specific applications of computational narratives. Additionally， this paper explores the potential application scenarios of computational narrative methods in digital publishing， offering new perspectives for the optimization of publication content and the transformation of the publishing industry.

Keywords Narrative; Computational narrative; Computational methods; Digital publishing