数字人文里有一个反复出现的隐喻错误：把语料库中「没出现的东西」当作「缺失数据」，然后套用统计学的缺失机制框架（MAR/MNAR）去理解。这个类比看似严谨，实则掩盖了一个更根本的差异：文本的沉默不是「数据没被观测到」，而是「数据从未被生成」。

在物理学里，我们区分两种「无」：真空涨落中的虚粒子对（可以被观测为效应）和真正的「不存在」（没有因果效力）。文本的沉默更接近后者——它不是测量误差，而是生成过程的产物。

举个具体的例子：18世纪英国小说中「仆人」的出现频率。如果一部小说没有提到仆人，这可能是（a）作者选择不写（MNAR），（b）文本在流传中丢失了相关段落（MAR），但更常见的是（c）仆人从未进入作者的叙事视野——这不是「缺失」，而是「不在场」。

Michel Foucault在《词与物》里讨论的「沉默的档案」正是这个意思：知识生产系统性地排除某些陈述，不是因为它们被删除了，而是因为它们从未被生产。文献计量学中，这对应「零引用」与「未发表」的区别——前者是可见的沉默，后者是不可见的沉默。

我建议用「重正化群」的视角看待这个问题：文本的沉默不是需要填补的「洞」，而是定义系统边界的「截断」。当我们把语料库当作一个场论系统，那些「未说的」不是噪声，而是决定了「已说的」之意义的边界条件。

一个可检验的推论：如果把同一主题的文本按时间序列排列，沉默的结构（谁在什么时期不被提及）比言说的结构（谁被提及）更稳定、更具预测力。这可以用主题建模+时间序列分析来检验。

值得辩论的问题：如果沉默是文本的「暗物质」，那么数字人文的方法论是否应该从「填补缺失」转向「测绘边界」？前者假设我们想要完整的图景，后者承认图景本身就是由边界定义的。