I 科技評論編者按：現在，越來越多的企業、高校以及學術組織機構通過舉辦各種類型的數據競賽來「物色」數據科學領域的優秀人才，并借此激勵他們為某一數據領域或應用場景找到具有突破性意義的方案，也為之后的數據研究者留下有價值的經驗。

Smilexuhc在 GitHub 社區對各大數據競賽名列前茅的解決方案進行了整理，包括純數據競賽、自然語言處理（NLP）領域數據賽事的 Top 解決方案。對這些賽事感興趣的小伙伴可以一起來看一下這篇干貨滿滿的匯總貼：

純數據競賽

1.2018 科大訊飛 AI 營銷算法大賽

本次大賽要求參賽者基于提供的訊飛 AI 營銷云的海量廣告投放數據，通過人工智能技術構建來預測模型預估用戶的廣告點擊概率。比賽提供了 5 類數據，包括基礎廣告投放數據、廣告素材信息、媒體信息、用戶信息和上下文信息，總共為 1001650 初賽數據 和 1998350 條復賽數據（復賽訓練數據為：初賽數據+復賽數據）。

Rank1：https://zhuanlan.zhihu.com/p/47807544

2.2018 IJCAI 阿里媽媽搜索廣告轉化預測

本次比賽要求參賽者以阿里電商廣告為研究對象，基于提供的淘寶平臺的海量真實交易數據，通過人工智能技術構建來預測模型預估用戶的購買意向。本次比賽為參賽者提供了 5 類數據，包括基礎數據、廣告商品信息、用戶信息、上下文信息和店鋪信息。用于初賽的數據包含了若干天的樣本；最后一天的數據用于結果評測，對選手不公布；其余日期的數據作為訓練數據，提供給參賽選手。

• Rank1：https://github.com/plantsgo/ijcai-2018

• Rank2：https://github.com/YouChouNoBB/ijcai-18-top2-single-mole-solution

  https://blog.csdn.net/Bryan__/article/details/80600189

• Rank3: https://github.com/luoda888/2018-IJCAI-top3

• Rank8: https://github.com/fanfanda/ijcai_2018

• Rank8: https://github.com/Gene20/IJCAI-18

• Rank9（第一賽季）：https://github.com/yuxiaowww/IJCAI-18-TIANCHI

3.2018 騰訊廣告算法大賽

本次算法大賽的題目源自一個基于真實業務場景的廣告技術產品——騰訊社交廣告 Lookalike 相似人群拓展。本題目要求參賽者基于提供的幾百個種子人群、海量候選人群對應的用戶特征，以及種子人群對應的廣告特征，構建算法準確標定測試集中的用戶是否屬于相應的種子包。

出于業務數據安全保證的考慮，比賽所提供的所有數據均為脫敏處理后的數據。整個數據集分為訓練集和測試集：訓練集中標定了人群中屬于種子包的用戶與不屬于種子包的用戶（即正負樣本），測試集將檢測參賽選手的算法能否準確標定測試集中的用戶是否屬于相應的種子包，訓練集和測試集所對應的種子包完全一致。初賽和復賽所提供的種子包除量級有所不同外，其他的設置均相同。

• Rank3: https://github.com/DiligentPanda/Tencent_Ads_Algo_2018

• rank6: https://github.com/nzc/tencent-contest

• Rank7: https://github.com/guoday/Tencent2018_Lookalike_Rank7th

• Rank9: https://github.com/ouwenjie03/tencent-ad-game

• Rank10: https://github.com/keyunluo/Tencent2018_Lookalike_Rank10th

• rank10（初賽）: https://github.com/ShawnyXiao/2018-Tencent-Lookalike

• Rank11: https://github.com/liupengsay/2018-Tencent-social-advertising-algorithm-contest

  https://my.oschina.net/xtzggbmkk/blog/1865680

4.2018 高校大數據挑戰賽—快手活躍用戶預測

本次大賽要求參賽者基于脫敏和采樣后的數據信息，預測未來一段時間活躍的用戶。參賽隊伍需要設計相應的算法進行數據分析和處理，比賽結果按照指定的評價指標使用在線評測數據進行評測和排名。大賽提供的數據為脫敏和采樣后用戶行為數據，日期信息進行統一編號，第一天編號為 01，第二天為 02，以此類推，所有文件中列使用 tab 分割。

• Rank1： https://github.com/drop-out/RNN-Active-User-Forecast

  https://zhuanlan.zhihu.com/p/42622063

• Rank4: https://github.com/chantcalf/2018-Rank4-

• Rank13(初賽 a 榜 rank2；b 榜 rank5)：https://github.com/luoda888/2018-KUAISHOU-TSINGHUA-Top13-Solutions

• Rank15: https://github.com/sunwantong/Kuaishou-Active-User

• Rank20: https://github.com/bigzhao/Kuaishou_2018_rank20th

5.2018JDATA 用戶購買時間預測

本次大賽要求參賽者基于給定的近 3 個月購買過目標商品的用戶以及他們在前一年的瀏覽、購買、評價等數據信息，自行設計數據處理相關操作、訓練模型，從而預測未來 1 個月內最有可能購買目標品類的用戶，并預測他們在考察時間段內的首次購買日期。數據主要包括用戶基本信息、SKU 基本信息、用戶行為信息、用戶下單信息及評價信息。

Rank9：https://zhuanlan.zhihu.com/p/45141799

6.2018 DF 風機葉片開裂預警

本次大賽要求參賽者基于風機 SCADA 實時數據，通過機器學習、深度學習、統計分析等方法建立葉片開裂早期故障檢測模型，對葉片開裂故障進行提前告警。比賽提供的數據集包括訓練集和測試集：訓練集一共有 25 類風機共 4 萬個樣本，測試集沒有風機編號，共 8 萬個樣本。

Rank2：https://github.com/SY575/DF-Early-warning-of-the-wind-power-system

7.2018 DF 光伏發電量預測

本次大賽要求參賽者在分析光伏發電原理的基礎上，論證輻照度、光伏板工作溫度等影響光伏輸出功率的因素，通過實時監測的光伏板運行狀態參數和氣象參數建立預測模型，預估光伏電站瞬時發電量，并根據光伏電站 DCS 系統提供的實際發電量數據進行對比分析，驗證模型的實際應用價值。

比賽提供訓練集 9000 個點，測試集 8000 個，包括光伏板運行狀態參數（太陽能電池板背板溫度、其組成的光伏陣列的電壓和電流）和氣象參數（太陽能輻照度、環境溫濕度、風速、風向等）。

Rank1：https://zhuanlan.zhihu.com/p/44755488?utm_source=qq&utm_medium=social&utm_oi=623925402599559168 （這一方案也可查看微信文章：《XGBoost+LightGBM+LSTM:一次機器學習比賽中的高分模型方案》https://mp.weixin.qq.com/s/Yix0xVp2SiqaAcuS6Q049g）

8.AI 全球挑戰者大賽—違約用戶風險預測

本次大賽要求參賽者基于馬上金融平臺提供的近 7 萬貸款用戶的基本身份信息、消費行為、銀行還款等數據信息，建立準確的風險控制模型，來預測用戶是否會逾期還款。

Rank1：https://github.com/chenkkkk/User-loan-risk-prediction

9.2016 融 360-用戶貸款風險預測

本次大賽要求參賽者基于由融 360 與平臺上的金融機構合作的提供近 7 萬貸款用戶的基本身份信息、消費行為、銀行還款等數據信息，建立準確的風險控制模型，來預測用戶是否會逾期還款。

Rank7：https://github.com/hczheng/Rong360

10.2016 CCF-020 優惠券使用預測

本次大賽要求參賽者基于給定的用戶在 2016 年 1 月 1 日至 2016 年 6 月 30 日之間真實線上線下消費行為，預測用戶在 2016 年 7 月領取優惠券后 15 天以內是否核銷。比賽評測指標采用 AUC，先對每個優惠券單獨計算核銷預測的 AUC 值，再對所有優惠券的 AUC 值求平均作為最終的評價標準。

Rank1: https://github.com/wepe/O2O-Coupon-Usage-Forecast

11.2016 CCF-農產品價格預測

本次大賽要求參賽者基于 2016 年 6 月以前的農產品價格數據，預測 7 月的農產品價格。本題目初賽基于全國各農場品交易市場的價格數據，復賽則加上天氣等多源數據。

Rank2: https://github.com/xing89qs/CCF_Product

12.2016 CCF-客戶用電異常

國家電網通過對用戶及所屬變壓器進行異常監測，并通過現場檢修人員根據異常情況對用戶進行抽檢，并反饋檢查結果，如發現為竊電用戶，將反饋竊電用戶信息。本賽題要求參賽者通過提供的相關數據與檢查人員檢查結果，建立竊電檢測模型，識別用戶竊電行為。

Rank4: https://github.com/AbnerYang/2016CCF-StateGrid

13.2016 CCF-搜狗的用戶畫像比賽

本題目初賽時要求參賽者基于給出的 2 萬用戶的百萬級搜索詞，以及經過調查得到的真實性別、年齡段、學歷這一訓練集，通過機器學習、數據挖掘技術構建分類算法對另外 2 萬人群的搜索關鍵詞進行分析，并給出其性別、年齡段、學歷等用戶屬性信息。復賽時，訓練集與測試集規模均擴展至 10 萬用戶。

• Rank1: https://github.com/hengchao0248/ccf2016_sougou

• Rank3: https://github.com/AbnerYang/2016CCF-SouGou

• Rank5: https://github.com/dhdsjy/2016_CCFsougou

14.2016 CCF-聯通的用戶軌跡

精準營銷是互聯網營銷和廣告營銷的新方向，特別是在用戶身處特定的地點、商戶，如何根據用戶畫像進行商戶和用戶的匹配，并將相應的優惠和廣告信息通過不同渠道進行推送，成為了很多互聯網和非互聯網企業的新發展方向。本賽題以其中一個營銷場景為例，要求參賽者基于提供的用戶位置信息、商戶分類與位置信息等數據，完成用戶畫像的刻畫并進行商戶匹配。

RankX: https://github.com/xuguanggen/2016CCF-unicom

15.2016 CCF-Human or Robots

僅 2016 上半年，AdMaster 反作弊解決方案認定平均每天能有高達 28% 的虛假流量，即由機器人模擬和黑 IP 等手段導致的非人惡意流量。本賽題要求參賽者通過用戶行為日志，自動檢測出這些虛假流量。

Rank6: https://github.com/pickou/ccf_human_or_robot

16.菜鳥-需求預測與分倉規劃

本賽題要求參賽者以歷史一年海量買家和賣家的數據為依據，預測某商品在未來二周全國和區域性需求量。參賽者需要用數據挖掘技術和方法精準刻畫商品需求的變動規律，對未來的全國和區域性需求量進行預測，同時考慮到未來的不確定性對物流成本的影響，做到全局的最優化。比賽提供商品從 2014年 10 月 10 日到 2015 年 12 月 27 日的全國和區域分倉數據。

Rank6: https://github.com/wepe/CaiNiao-DemandForecast-StoragePlaning

Rank10: https://github.com/xing89qs/TianChi_CaiNiao_Season2

自然語言處理（NLP）

1.2018 DC 達觀-文本智能處理挑戰

此次比賽要求參賽者基于達觀數據提供的一批長文本數據和分類信息，結合當下最先進的 NLP 和人工智能技術，深入分析文本內在結構和語義信息，構建文本分類模型，實現精準分類。比賽提供的數據包含訓練數據集和測試數據集 2 個 csv 文件。

• Rank1: https://github.com/ShawnyXiao/2018-DC-DataGrand-TextIntelProcess

• Rank4: https://github.com/hecongqing/2018-daguan-competition

• Rank10: https://github.com/moneyDboat/data_grand

• Rank18: https://github.com/nlpjoe/daguan-classify-2018

2. 智能客服問題相似度算法設計——第三屆魔鏡杯大賽

本次大賽要求參賽者基于拍拍貸提供的智能客服聊天機器人真實數據，以自然語言處理和文本挖掘技術為主要探索對象，利用這些資源開發一種提高智能客服的識別能力和服務質量的算法。

• rank6：https://github.com/qrfaction/paipaidai

• rank12：https://www.jianshu.com/p/827dd447daf9

• https://github.com/LittletreeZou/Question-Pairs-Matching

• Rank16：https://github.com/guoday/PaiPaiDai2018_rank16

3.2018JD Dialog Challenge 任務導向型對話系統挑戰賽

本次大賽要求參賽者基于京東用戶與京東人工客服真實對話數據（脫敏后）以及給定的對話數據進行分析，構建端到端的任務驅動型多輪對話系統，輸出滿足用戶需求的答案——該答案需要能正確、完整且高效地解決問題，為用戶帶來簡單、省心、智能的購物咨詢體驗。

Rank3: https://github.com/zengbin93/jddc_solution_4th

4.2018CIKM AnalytiCup – 阿里小蜜機器人跨語言短文本匹配算法競賽

本次大賽關注短文本匹配在語言適應的問題，源語言為英語，目標語言為西班牙語。比賽要求參賽者建立跨語言短文本匹配模型，來提升智能客服機器人的能力。

• Rank2: https://github.com/zake7749/Closer

• Rank12：https://github.com/Leputa/CIKM-AnalytiCup-2018

• Rank18: https://github.com/VincentChen525/Tianchi/tree/master/CIKM%20AnalytiCup%202018

另外，Smilexuhc 還為大家提供了兩篇經驗文章，大家感興趣的話可以一并收藏向前輩們取取經。

經驗文章

• 《介紹 featexp一個幫助理解特征的工具包》：http://www.sohu.com/a/273552971_129720

• 《Ask Me Anything session with a Kaggle Grandmaster Vladimir I. Iglovikov》PDF：https://pan.baidu.com/s/1XkFwko_YrI5TfjjIai7ONQ

Via：https://github.com/Smilexuhc/Data-Competition-TopSolution

此前，雷鋒網 AI 科技評論也對一些數據競賽進行了報道，感興趣的同學可以前往閱讀往期報道：

京東 AI Fashion-Challenge 挑戰賽冠軍方案詳解（風格識別+時尚單品搜索）：https://www.leiphone.com/news/201809/LBNzpCx58L98oK7M.html

ICPR 圖像識別與檢測挑戰賽冠軍方案出爐，基于偏旁部首來識別 Duang 字：https://www.leiphone.com/news/201808/CkFtca7oz5h2oCp8.html

KDD Cup 2018 冠軍「 first floor to eat latiao」：為什么取這個隊名？因為大家都愛辣條：https://www.leiphone.com/news/201808/srcNcc3AWQTTJl4z.html

「2018 機器閱讀理解技術競賽」落下帷幕，看奇點機智如何從 800 多支隊伍中殺出重圍：https://www.leiphone.com/news/201805/zB0caxkxv73YF8F9.html

看阿里 AliOS 神燈團隊在推薦系統上的獨門秘籍：https://www.leiphone.com/news/201804/du0koPNyTZwLSb7x.html

專訪訊飛病灶分割比賽優勝團隊，年內會將該算法投入實用：https://www.leiphone.com/news/201803/B5qXDGkp5JUrJYWQ.html

Kaggle 大神 Eureka 的高手進階之路：https://www.leiphone.com/news/201803/QtcJFW9OoDI8CMWA.html

亞馬遜 Alexa Prize 比賽冠軍團隊專訪：聊天機器人的突破與創新：https://www.leiphone.com/news/201801/ySAXM1p2Qhy20vts.html

KDD Cup 2017雙料冠軍是如何煉成的？我們向Convolution團隊討教了他們的「成功方法論」：https://www.leiphone.com/news/201708/KVadVGXYYIudv6lr.html

圖鴨科技 CVPR 2018 圖像壓縮挑戰賽奪冠，獲獎論文全解讀：https://www.leiphone.com/news/201806/sFpN5c4zd0Z0fw32.html雷鋒網雷鋒網

文 | 王塞北

在我們所熟悉的故事中，阿拉丁是那個在燈神的魔力幫助下，和茉莉公主一起坐在飛毯上奔向幸福的小伙子。在大多數人的認知里，這是一個源于《一千零一夜》里的阿拉伯傳統民間故事，但事實上，流傳到今日的《阿拉丁》并不是一個血統純正的民間故事，他有著一段復雜混亂的形成歷史。

這種混亂一直持續影響到今天，燈神阿拉丁本人的形象也經歷了復雜的演變。今天，我們就從熱映的《阿拉丁》開始，談談背后這個燈神故事與形象的演變史。

原書中阿拉丁是個中國人？

在法國考古學家、翻譯家安托萬·加朗

（Antoine Galland）

于1704年將《一千零一夜》從阿拉伯語譯成法語之前，西方還沒有人知道這本書，當然更不知道阿拉丁這個角色。

加朗在翻譯原著的同時，還廣泛地收集其他民間故事，《阿拉丁》就是其中之一。加朗在譯文中聲稱，《阿拉丁》這個故事來自一位敘利亞阿勒頗的說書人。不過，在故事開頭聲稱這是來自遙遠異國敘述者，本就是這種故事的一貫格式。事實上，我們完全可以認為這個故事講述者是不存在的。也就是說，有可能是一個法國學者在關于亞洲的零星認識當中，以一個殖民者的視角憑空臆造的。

美國插畫家維吉尼亞·弗朗西絲·史特瑞特（Virginia Frances Sterrett）在1928年繪制的《阿拉丁》插圖。圖片來自：Aladdin and the Princess Badr al-Budūr。

有趣的是，在《一千零一夜》最初的英文譯本Arabian Nights中，故事并不是發生在阿拉伯世界，而是中國。在最初中文版本中，也是如此。1910年代后期，翻譯家奚若自英譯本轉譯過來的《天方夜譚》

（最早結集成冊的中譯本）

中，《神燈記》

（即《阿拉丁》）

的開場為，“支那都極東，最富饒”，支那在佛典里被佛教徒指代中國。1931年，《良友》畫報選刊的《神燈記》中，干脆直接就譯成中國，也沒人覺得有什么不妥。但哈佛大學歷史及中東研究博士研究生阿拉法特·A·拉扎奎

（Arafat A. Razzaque ）

在《誰是“真的”阿拉丁?從中國人到阿拉伯人的三百年》

（Who was the “real” Aladdin? From Chinese to Arab in 300 Years）

則認為：阿拉丁故事最先發生地不是在中東，而是中國。不過，在當時的阿拉伯語境中，“中國”即指“遙遠的異國”，并非實指現實中的中國。

《良友》畫報選刊中的《神燈記》。

在《一千零一夜》的時代

（大約在公元9世紀左右）

，無論是歐洲還是中東，都認為東方的中國是最遙遠的地方，正是傳說故事最好的發生地。即便故事中的君主稱作蘇丹，但是這也很有可能是翻譯的習慣問題。

1930年代，英國電影中的阿拉?。ǔ稚日撸?，身著清朝官服，形象頗似傅滿洲。圖片來自：Hulton Archive/Getty Images。

最初插畫中的阿拉丁，是一個留著辮子的清朝人，生活在一個中東與東亞混合的古城里，城里的居民也服裝各異。在以后的三百年里，歐洲舞臺上的阿拉丁常常以黃種人的面孔出現。電影發明之后，阿拉丁竟然穿上了清朝官服，成了一個留著鼠尾須，面目狡黠，類似傅滿洲的中國官員。

同阿拉丁的形象一樣，《阿拉丁》故事的演繹也成為了各種文化的雜燴，融合了許多亞洲和歐洲元素，在1880年的音樂詼諧劇中，阿拉丁以一個黃種人的裝扮出場，但是舉止言行完全是一個歐洲人。阿拉丁的現代化進程一直持續到20世紀。從現存的1925年的舞臺劇照片中可以看出，當時的阿拉丁故事呈現一種東方異國情調與現代西方時尚摩登的混搭風格，甚至似乎性別都變了。

同為迪士尼經典動畫，阿拉丁和花木蘭相比，只不過膚色深了一點，很像一對中國情侶。圖片來自：Disneyclips。

隨著好萊塢的興起，無論歐洲還是北美的《阿拉丁》，都被逐漸統一轉換為一個中東風格的故事。加上影視公司擅長的對異國風格的情景渲染，這種固定印象愈加在觀眾心中明晰。尤其是1992年迪士尼版的動畫片《阿拉丁》，塑造了今日世人心中阿拉丁的“標準肖像”，但是這里的阿拉丁長相也并不十分阿拉伯，膚色較深——中東多是白種人，五官也十分像東亞人，換下身上的阿拉伯服裝，說他是一個廣東仔也不會有人懷疑。

對燈神的“洗藍”“馴服”過程

早期的燈神形象。這個干枯的糟老頭子，怎么看都不像能變出豪華宮殿的魔法精靈。圖片來自：The Arcardian Library。

燈神的變化經歷了一個復雜的過程。在《一千零一夜》中，有諸多類似燈神的“精靈”

（Genies 或 Jinn）

，造型也各不相同。在加朗版本的《一千零一夜》中，燈神是一個衣衫襤褸、身體干枯的糟老頭子的形象，和今日迪士尼電影中藍色大個子還差很遠。

美國韋恩州立大學法語教授安妮·E·杜根

（Anne E. Duggan）

表示，這些精靈的設計，大都來自于當時歐洲插畫家對遙遠東方的想象：中國的皇帝、土耳其的蘇丹、麥加的清真寺和印度的泰姬陵，這些一知半解的片段被他們融合到一起形成了一個在亞洲從未有過的形象。

但是即便是天馬行空的想象也不能脫離自身文化的影響：當時插畫師筆下的精靈面貌，通常都接近歐洲人熟識的巨人、天使長、希臘或羅馬神話諸神、當然也少不了吸血鬼。

1785年，法國插畫師克萊門·皮埃爾·馬里萊爾（Clément-Pierre Marillier）繪制的阿拉丁與燈神。燈神兼具惡魔的犄角與天使的翅膀，還有一個中國小辮子。圖片來自：Wikimedia Commons。

精靈的性格描寫亦隨時間改動，人類學家馬克·阿倫·皮森特

（Mark Allen Peterson）

在著作 From Jinn to Genies中指出，精靈起初是擁有自我意志的，對人類會有巨大的威脅。也許是為了更適合在晚間圍爐同家人們分享，給小朋友一個完美的睡前故事。后來的改編版本中，精靈被逐漸馴服，比如《漁夫的故事》里被困在銅瓶里面的精靈，又比如在《阿拉丁》中，法力較小，被困在戒指中的精靈。

踏入20世紀，插畫中的精靈造型，靈感多來源于當時報刊上對中東和北非生活的諷刺漫畫。1907年插畫師艾德蒙·杜拉克

（Edmund Dulac）

為《漁夫的故事》所繪制的精靈，開始以一個阿拉伯世界的形象出現：擁有鉤鼻子和一身深膚色。1912年，英國插畫師勒內·堡爾

（René Bull）

描繪的精靈，同樣是膚色黝黑、兇神惡煞相。

1992年迪士尼動畫電影《阿拉丁》中的燈神造型。

相對而言，迪士尼動畫的燈神，差不多完全擺脫了陰暗的形象，并完全“洗藍”，加上著名演員羅賓·威廉姆斯

（Robin Williams ）

的出色配音，令角色變得諧趣好動，會做鬼臉逗人發笑。部分鬼臉造型甚至有現實依據，譬如是保守派知識分子威廉姆·F·巴克利

（William F. Buckley）

和喜劇演員阿爾尼奧·霍爾

（Arsenio Hall）

的外貌，成為后來老少咸宜的經典形象。在真人版拍攝過程中，對于威爾·史密斯是否染藍也成了影迷們關注的焦點。

復雜身世讓美國導演很犯難

雖然《阿拉丁》在世界各地擁有大量受眾，但是故事本身牽涉到中東等令美國社會敏感的議題。導演們也都小心翼翼，拿出十二萬分的謹慎，深恐稍有不慎而被貼上“種族主義”等標簽，招來粉絲的撻伐。

美國Vox新聞網專欄作家阿佳·羅曼諾

（Aja Romano）

撰文指出，1992年的電影《阿拉丁》呈現出許多東方主義者的刻板印象：阿格拉巴被描繪成與世隔絕的神秘之城，而茉莉公主則是一位渴望逃脫自己所屬文化的禁錮者。她的目標是獲得足夠的獨立性、以嫁給自己的真愛，而不是追求作為公主的權勢與榮耀。這使她看起來比阿格拉巴城里所有的人都要更接近美式“文明社會”。

同時，她的父親蘇丹，是一個容易被操弄的國王，城中居民或為粗野的持劍武士、或是艷情的肚皮舞者。更糟糕的是，在開場的音樂就唱到：如果他們不中意你的外表/就會切下你的耳朵/就是這么生猛/但是，嗨，這就是我的家鄉

（

They cut off your ear if they don’t like your face / It’s barbaric, but hey, it’s home）

。很難叫人不認為這其中有刻板成見的心理。劇中的阿拉丁和精靈有著街頭滑板少年的機靈狡猾，美國人一貫的好表現、夸夸其談，這些美利堅特征將他們同阿格拉巴的居民區分開來。就像兩個洋基隊職業棒球手闖入一個想象中的東方伊斯蘭城堡，他們的價值理念與行事風格處處超出本地人。

雖然制作方為了讓畫面更有阿拉伯風情，將場景從之前虛構中國搬到了約旦河畔。但是其中的一些建筑元素，又分明是來自印度和土耳其，比如泰姬陵和蘇丹宮殿的浴池，仍然是一盤文化雜燴。

對于真人版《阿拉丁》的服裝選擇也有批評聲音，茉莉公主的服裝被指太“印度化”。

導演里奇是頂著不小的壓力來創作真人版《阿拉丁》的。媒體紛紛以“迪士尼的道歉”、“洗白”這樣的字眼來報道真人版的拍攝。從服裝到選角，拍攝的每一步都被公眾拿到放大鏡下仔細檢視，叫人又期望、又擔心。

新電影的選角，是影迷關注最多的部分。早前的消息顯示，里奇和迪士尼公司在敲定主演的時候遇到了麻煩，部分原因在于阿拉伯或其他亞裔演員可能在英語歌唱中有困難，引發網友的憤慨。最終茉莉公主的角色由英印混血的娜奧米·斯科特

（Naomi Scott）

飾演，一些影迷認為這是因為在迪士尼的視角下，南亞人和中東人沒什么區別，是可以直接置換的。也有人認為，正如美國文化一樣，迪士尼意在呈現一個多元融合的文化景象。但是這并不能說明問題，關于他們自己的電影中，紐約各區之間的分別都明晰無比。之后又有消息傳出，《魔法黑森林·長發公主》中飾演王子的比利·馬格努斯

（Billy Magnussen）

加入，又引發熱議——什么？又有白人？最終，他飾演安德斯王子。

目前的反響看來，觀眾的評價多是正面，但并不能說明導演讓所有人都感到滿意。電影上映后，美國伊斯蘭教協會

（the Council on American-Islamic Relations）

發布了一份公告，要求影評人承認：《阿拉丁》故事乃是根植于種族主義、東方主義和伊斯蘭恐怖癥所演繹的，并且對電影中的種族與宗教的刻板印象表示關切。

看來，即便是拍出《兩桿大煙槍》這樣驚世奇作的大導演蓋·里奇，碰到《阿拉丁》這個題材，也不能讓大家都滿意。關于阿拉丁的國籍與種族問題，還得困擾導演們一段時間。

編譯參考

https://www.vox.com/2019/5/24/18635896/disney-live-action-aladdin-controversy-history

https://www.theguardian.com/books/2011/mar/12/arabian-nights-illustration

https://www.scmp.com/culture/books/article/2182653/aladdin-really-chinese-how-hollywood-invented-tales-middle-eastern

https://ajammc.com/2017/08/10/who-was-the-real-aladdin/

https://www.nytimes.com/1993/07/14/opinion/it-s-racist-but-hey-it-s-disney.html

https://www.smithsonianmag.com/arts-culture/why-genie-aladdin-blue-180971536/

作者

王塞北

編輯

何安安 校對薛京寧