在吐槽满屏的高考季，高考作文成最大槽点。如果我们放下人类的架子，从AI算法的角度来观察，会不会看到什么新奇的结果？小编向达观AI机器君投喂了近几年的高考命题和满分作文，利用文本挖掘技术，带你揭秘高考试卷背后的种种细节。
多读书，一定要多读书
拿到今年的高考试题，机器君就算出了热度最高的关键词。去掉了诸如“题目自拟”，“篇幅不限”等通用词以及“的”、“了”等虚词，Top10是下面这些：
稍加分析，可以发现这些词分为三个大类：
我们自身，外部社会以及阅读。
“我们”、“我”、“自己”属于第一类，“人”，“纽带”，“他们”，“中国”，“时代”属于第二类，“书”、“阅读”、“书店”属于第三类。
事实上，强调关注自身、关心社会和阅读求知，一直是高考命题的重心所在。我们继续向机器君投喂了过去三年的高考作文题目，得出了Top15如下：
是不是有点似曾相识？除了“书店”以外，今年的热词都是往年的熟面孔。往年的这些高频词，同样可以系统地纳入“我们自身，外部社会以及阅读”这三大范畴。比如“范儿”这一流行词体现的是一种社会现象，“学习”和“阅读”属性相似，“生活”则是我们自身与外部社会结合的结果。
了解了高考命题的侧重点和思路，一篇好的高考作文的要素也就呼之欲出：一方面要善于观察和思考自身与社会，另一方面，要“腹有诗书”，才能厚积薄发。接下来，我们将向机器君投喂最近5年的满分作文，看看它对写好一篇高考作文，还有哪些其他见解。
结构灵活多变，脉络始终清晰
一篇好的作文，既要关心人生与社会，传达出富含底蕴的内容，也要打造令人赏心悦目的修辞风格，展现出形式的美感。
所以，高考阅卷老师最偏爱什么样的形式呢？
去年全国卷I的作文题目是看图说话：
有考生们写出这样的题目《致母亲的一封信》……
第一眼看到这个题目小编是一脸懵逼的。
不过，用文本摘要算法自动摘取了关键句后，对文章就有了一个清晰的概观：
显而易见，文章的结构是先点题再讲故事，情节先就是两条——“你对我一往情深”+“可是我活得很累”，骨架十分清晰。即使把选取范围缩减到三句，也仍然能体现这些信息：
除了“正-反-合”式的典型辩证法逻辑，完全从反面来立论的“反-正”结构也不在少数，在议论文中尤其多见。
比如2014年全国卷II的主题是“给野生动物喂食，易使它们丧失能力”，满分作文《授之以渔，摆脱依赖》的top5关键句如下：
前面四句都是从反面来论证，“太溺爱必酿恶果”，最后才引出结论——“不如放手”。这种写法“欲扬先抑”，最后点睛，能产生“四辆拨千斤”的结果。
此外，“重叠式”的结构效果也不错。2013年的全国卷1的作文试题围绕“切钻石”，试题的关键句是“不去想价值（方面）的事，手就不会发抖”，当年的优秀作文《钻石有价，我心泰然》就据此展开了论述。对其进行文本摘要处理，抓取关键句如下：
这篇文章采用的结构是用排比的方式，重复突出“唯有……才能……”这一形式的论点，从而让阅卷老师产生深刻的印象。不过这样的论述毕竟有些单薄，这可能也是这篇文章虽然得分不低，但没有摘到满分桂冠的原因。
上述这些作文虽然采用了不同的结构，但是都有一些共同的形式上的特点——每一段的主题都很清晰，全文的脉络也自然连贯。
修辞简约受青睐
修辞也是文章形式的重要组成部分。修辞手法一般可以分为“消极修辞”和“积极修辞”两大类。前者强调结构清晰、表达明确、节奏允当，打造的是简约风格，后者则强调使用比喻、排比等手法，能营造出丰繁、绚烂的风格，产生引人入胜的效果。
对于高考作文来说，到底哪种风格更受青睐呢？
首先，机器君对近5年的30篇高考优秀作文进行了“句长方差”分析。
这些文章的句长方差均值为7253，最大值为16224，最小值为1595，差别还是有点明显。
不过一串数据的平均值受极端值影响明显，这串数据的中位数仅为5103，方差超过10000的仅有3篇，可见这串数据呈现某种偏态分布，方差较低的文章在整个优秀作文语料库中占据更多的比重。
从文章风格上说，方差较小说明作者用的长句较少，短句之间搭配也比较平稳，这样会使文章易读、易理解。而方差较大则说明作者在行文中往往长短句交错使用，相对易读性会较差。
除了方差，机器君还对这些文本做了姓名识别。我们概念里总觉得，多引用名人名言能提高文章的“逼格”，提升文章的分数。但从高分作文中的姓名统计来看，事实并非如此。我们利用姓名识别算法识别出近5年的30篇（样本可扩大或不提具体数字）优秀作文中出现的热门人物，发现最热的居然是TA：
排名前五位的都是虚拟人物，其中出现频次最高、也最让人陌生的李明、苏觉是作文《双赢》中的两个虚拟主角；陈先生、小羽和老王是该年试题中的人物。
紧随其后我们看到了熟悉的名字，乔布斯，杨振宁，陶渊明，鲁迅……
经过分析，这些人物又可分成两类。乔布斯、杨振宁等属第一类，他们主要作为一个故事案例集中出现在单篇文章中。而陶渊明、鲁迅则属另一类，他们经常在不同的文章中露面，每次仅仅po出一段金句，然后就事了拂衣去，深藏功与名。
从姓名识别的结果我们可以发现，首先，名人名言的引用并非与高分作文有必然联系。如《致陈先生的一封信》、《双赢》等，完全围绕身边的人或虚拟人物来写，根本不提及名人名言，最后仍然得到好评。其次，名人名言的引用多样性很重要。优秀作文中对名人的引用没有集中在少数大家都熟知的人物上，通常是多点开花，涉及多个领域。比如在2016年全国卷III的满分作文《成功创业新模式：天地人和》中，提到了袁隆平、恩格斯、诗人特朗斯特罗姆，比尔·盖茨、托尔斯泰等人物，涉及农业、哲学、文学、创业等多个领域。通观近年的优秀作文，即使是陶渊明、鲁迅这样的常见人物，在一篇文章中通常也不会出现超过一次。
无论是句长方差还是名人出现频率，都指向一个共同点，那就是高考阅卷老师不喜欢花哨的套路，更喜欢在有限的篇幅里把内容讲清、讲透的简约“范儿”。想想也是，毕竟每份高考作文的平均阅卷时间相当短，一篇文章只有在做到结构清晰、修辞简约，才能提高易读性，从而引起阅卷老师的注意。
“正能量”不足易致低分
和历年的满分作文相比，还有一群另类的存在也同样获得了大家关注，那就是千奇百怪的“零分作文”。
和满分作文相比，零分作文在文本指标上会有哪些特点呢？
真的有点像托尔斯泰所说的，幸福的作文都是相似的，不幸的作文各有各的不幸。从句长方差、姓名识别等角度来分析零分作文，显著性并不突出。不过，如果从情感分析的角度切入，两者之间的差异还是很明显的。
2015年的天津卷的主题是“范儿”，可是有位段子手写出了题为《范儿是我女朋友》的作文。我们将之和当年的满分作文《独一无二的“中国范儿”》进行摘要处理和情感分析，所得结果如下：
上表中的情感值，表示该句子呈现出积极情绪的概率。从中可以看出，满分作文的每一段均体现出较强的“正能量”，而零分作文在情感表现上则有点“不阴不阳”，甚至还出现了“范儿冷不防重重地甩过来一个耳光”这样的“暴力”内容，被机器直接评出了0.04的低分，实在有点尴尬。
情感表现上的不“积极”事实上不止会带来“负能量”的观感，而且会让人觉得修辞色彩和意思表达不够明确。在高考评分标准中，符合“偏离题意、中心不明确、内容不当、思想不健康、感情虚假”等项就可评为0分作文。倘若情感上偏向负面，那么触碰这些红线的概率就大大提升了。
小结
前面，我们从内容和形式两方面对高考作文的命题和范文进行了分析。
从内容上说，高考命题始终紧紧围绕“我们自身”，“外部社会”以及“阅读”这三个主题，鼓励考生对个人人生和社会多思考多观察，并加强阅读积累，提升文化底蕴。
从形式上说，高考阅卷偏爱主题结构清晰，脉络连贯，修辞简约的风格，对于花哨的套路以及“负能量”较为“嫌弃”。
想了解学习更多技术干货，扫描下方二维码关注“达观数据”公众号
网友评论