I 科技评论编者按：现在，越来越多的企业、高校以及学术组织机构通过举办各种类型的数据竞赛来「物色」数据科学领域的优秀人才，并借此激励他们为某一数据领域或应用场景找到具有突破性意义的方案，也为之后的数据研究者留下有价值的经验。

Smilexuhc在 GitHub 社区对各大数据竞赛名列前茅的解决方案进行了整理，包括纯数据竞赛、自然语言处理（NLP）领域数据赛事的 Top 解决方案。对这些赛事感兴趣的小伙伴可以一起来看一下这篇干货满满的汇总贴：

纯数据竞赛

1.2018 科大讯飞 AI 营销算法大赛

本次大赛要求参赛者基于提供的讯飞 AI 营销云的海量广告投放数据，通过人工智能技术构建来预测模型预估用户的广告点击概率。比赛提供了 5 类数据，包括基础广告投放数据、广告素材信息、媒体信息、用户信息和上下文信息，总共为 1001650 初赛数据 和 1998350 条复赛数据（复赛训练数据为：初赛数据+复赛数据）。

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

2.2018 IJCAI 阿里妈妈搜索广告转化预测

本次比赛要求参赛者以阿里电商广告为研究对象，基于提供的淘宝平台的海量真实交易数据，通过人工智能技术构建来预测模型预估用户的购买意向。本次比赛为参赛者提供了 5 类数据，包括基础数据、广告商品信息、用户信息、上下文信息和店铺信息。用于初赛的数据包含了若干天的样本；最后一天的数据用于结果评测，对选手不公布；其余日期的数据作为训练数据，提供给参赛选手。

• 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（第一赛季）：https://github.com/yuxiaowww/IJCAI-18-TIANCHI

3.2018 腾讯广告算法大赛

本次算法大赛的题目源自一个基于真实业务场景的广告技术产品——腾讯社交广告 Lookalike 相似人群拓展。本题目要求参赛者基于提供的几百个种子人群、海量候选人群对应的用户特征，以及种子人群对应的广告特征，构建算法准确标定测试集中的用户是否属于相应的种子包。

出于业务数据安全保证的考虑，比赛所提供的所有数据均为脱敏处理后的数据。整个数据集分为训练集和测试集：训练集中标定了人群中属于种子包的用户与不属于种子包的用户（即正负样本），测试集将检测参赛选手的算法能否准确标定测试集中的用户是否属于相应的种子包，训练集和测试集所对应的种子包完全一致。初赛和复赛所提供的种子包除量级有所不同外，其他的设置均相同。

• 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（初赛）: 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 高校大数据挑战赛—快手活跃用户预测

本次大赛要求参赛者基于脱敏和采样后的数据信息，预测未来一段时间活跃的用户。参赛队伍需要设计相应的算法进行数据分析和处理，比赛结果按照指定的评价指标使用在线评测数据进行评测和排名。大赛提供的数据为脱敏和采样后用户行为数据，日期信息进行统一编号，第一天编号为 01，第二天为 02，以此类推，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(初赛 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 用户购买时间预测

本次大赛要求参赛者基于给定的近 3 个月购买过目标商品的用户以及他们在前一年的浏览、购买、评价等数据信息，自行设计数据处理相关操作、训练模型，从而预测未来 1 个月内最有可能购买目标品类的用户，并预测他们在考察时间段内的首次购买日期。数据主要包括用户基本信息、SKU 基本信息、用户行为信息、用户下单信息及评价信息。

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

6.2018 DF 风机叶片开裂预警

本次大赛要求参赛者基于风机 SCADA 实时数据，通过机器学习、深度学习、统计分析等方法建立叶片开裂早期故障检测模型，对叶片开裂故障进行提前告警。比赛提供的数据集包括训练集和测试集：训练集一共有 25 类风机共 4 万个样本，测试集没有风机编号，共 8 万个样本。

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

7.2018 DF 光伏发电量预测

本次大赛要求参赛者在分析光伏发电原理的基础上，论证辐照度、光伏板工作温度等影响光伏输出功率的因素，通过实时监测的光伏板运行状态参数和气象参数建立预测模型，预估光伏电站瞬时发电量，并根据光伏电站 DCS 系统提供的实际发电量数据进行对比分析，验证模型的实际应用价值。

比赛提供训练集 9000 个点，测试集 8000 个，包括光伏板运行状态参数（太阳能电池板背板温度、其组成的光伏阵列的电压和电流）和气象参数（太阳能辐照度、环境温湿度、风速、风向等）。

Rank1：https://zhuanlan.zhihu.com/p/44755488?utm_source=qq&utm_medium=social&utm_oi=623925402599559168 （这一方案也可查看微信文章：《XGBoost+LightGBM+LSTM:一次机器学习比赛中的高分模型方案》https://mp.weixin.qq.com/s/Yix0xVp2SiqaAcuS6Q049g）

8.AI 全球挑战者大赛—违约用户风险预测

本次大赛要求参赛者基于马上金融平台提供的近 7 万贷款用户的基本身份信息、消费行为、银行还款等数据信息，建立准确的风险控制模型，来预测用户是否会逾期还款。

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

9.2016 融 360-用户贷款风险预测

本次大赛要求参赛者基于由融 360 与平台上的金融机构合作的提供近 7 万贷款用户的基本身份信息、消费行为、银行还款等数据信息，建立准确的风险控制模型，来预测用户是否会逾期还款。

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

10.2016 CCF-020 优惠券使用预测

本次大赛要求参赛者基于给定的用户在 2016 年 1 月 1 日至 2016 年 6 月 30 日之间真实线上线下消费行为，预测用户在 2016 年 7 月领取优惠券后 15 天以内是否核销。比赛评测指标采用 AUC，先对每个优惠券单独计算核销预测的 AUC 值，再对所有优惠券的 AUC 值求平均作为最终的评价标准。

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

11.2016 CCF-农产品价格预测

本次大赛要求参赛者基于 2016 年 6 月以前的农产品价格数据，预测 7 月的农产品价格。本题目初赛基于全国各农场品交易市场的价格数据，复赛则加上天气等多源数据。

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

12.2016 CCF-客户用电异常

国家电网通过对用户及所属变压器进行异常监测，并通过现场检修人员根据异常情况对用户进行抽检，并反馈检查结果，如发现为窃电用户，将反馈窃电用户信息。本赛题要求参赛者通过提供的相关数据与检查人员检查结果，建立窃电检测模型，识别用户窃电行为。

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

13.2016 CCF-搜狗的用户画像比赛

本题目初赛时要求参赛者基于给出的 2 万用户的百万级搜索词，以及经过调查得到的真实性别、年龄段、学历这一训练集，通过机器学习、数据挖掘技术构建分类算法对另外 2 万人群的搜索关键词进行分析，并给出其性别、年龄段、学历等用户属性信息。复赛时，训练集与测试集规模均扩展至 10 万用户。

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

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

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

14.2016 CCF-联通的用户轨迹

精准营销是互联网营销和广告营销的新方向，特别是在用户身处特定的地点、商户，如何根据用户画像进行商户和用户的匹配，并将相应的优惠和广告信息通过不同渠道进行推送，成为了很多互联网和非互联网企业的新发展方向。本赛题以其中一个营销场景为例，要求参赛者基于提供的用户位置信息、商户分类与位置信息等数据，完成用户画像的刻画并进行商户匹配。

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

15.2016 CCF-Human or Robots

仅 2016 上半年，AdMaster 反作弊解决方案认定平均每天能有高达 28% 的虚假流量，即由机器人模拟和黑 IP 等手段导致的非人恶意流量。本赛题要求参赛者通过用户行为日志，自动检测出这些虚假流量。

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

16.菜鸟-需求预测与分仓规划

本赛题要求参赛者以历史一年海量买家和卖家的数据为依据，预测某商品在未来二周全国和区域性需求量。参赛者需要用数据挖掘技术和方法精准刻画商品需求的变动规律，对未来的全国和区域性需求量进行预测，同时考虑到未来的不确定性对物流成本的影响，做到全局的最优化。比赛提供商品从 2014年 10 月 10 日到 2015 年 12 月 27 日的全国和区域分仓数据。

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

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

自然语言处理（NLP）

1.2018 DC 达观-文本智能处理挑战

此次比赛要求参赛者基于达观数据提供的一批长文本数据和分类信息，结合当下最先进的 NLP 和人工智能技术，深入分析文本内在结构和语义信息，构建文本分类模型，实现精准分类。比赛提供的数据包含训练数据集和测试数据集 2 个 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. 智能客服问题相似度算法设计——第三届魔镜杯大赛

本次大赛要求参赛者基于拍拍贷提供的智能客服聊天机器人真实数据，以自然语言处理和文本挖掘技术为主要探索对象，利用这些资源开发一种提高智能客服的识别能力和服务质量的算法。

• 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 任务导向型对话系统挑战赛

本次大赛要求参赛者基于京东用户与京东人工客服真实对话数据（脱敏后）以及给定的对话数据进行分析，构建端到端的任务驱动型多轮对话系统，输出满足用户需求的答案——该答案需要能正确、完整且高效地解决问题，为用户带来简单、省心、智能的购物咨询体验。

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

4.2018CIKM AnalytiCup – 阿里小蜜机器人跨语言短文本匹配算法竞赛

本次大赛关注短文本匹配在语言适应的问题，源语言为英语，目标语言为西班牙语。比赛要求参赛者建立跨语言短文本匹配模型，来提升智能客服机器人的能力。

• 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 还为大家提供了两篇经验文章，大家感兴趣的话可以一并收藏向前辈们取取经。

经验文章

• 《介绍 featexp一个帮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，雷锋网 AI 科技评论也对一些数据竞赛进行了报道，感兴趣的同学可以前往阅读往期报道：

京东 AI Fashion-Challenge 挑战赛冠军方案详解（风格识别+时尚单品搜索）：https://www.leiphone.com/news/201809/LBNzpCx58L98oK7M.html

ICPR 图像识别与检测挑战赛冠军方案出炉，基于偏旁部首来识别 Duang 字：https://www.leiphone.com/news/201808/CkFtca7oz5h2oCp8.html

KDD Cup 2018 冠军「 first floor to eat latiao」：为什么取这个队名？因为大家都爱辣条：https://www.leiphone.com/news/201808/srcNcc3AWQTTJl4z.html

「2018 机器阅读理解技术竞赛」落下帷幕，看奇点机智如何从 800 多支队伍中杀出重围：https://www.leiphone.com/news/201805/zB0caxkxv73YF8F9.html

看阿里 AliOS 神灯团队在推荐系统上的独门秘籍：https://www.leiphone.com/news/201804/du0koPNyTZwLSb7x.html

专访讯飞病灶分割比赛优胜团队，年内会将该算法投入实用：https://www.leiphone.com/news/201803/B5qXDGkp5JUrJYWQ.html

Kaggle 大神 Eureka 的高手进阶之路：https://www.leiphone.com/news/201803/QtcJFW9OoDI8CMWA.html

亚马逊 Alexa Prize 比赛冠军团队专访：聊天机器人的突破与创新：https://www.leiphone.com/news/201801/ySAXM1p2Qhy20vts.html

KDD Cup 2017双料冠军是如何炼成的？我们向Convolution团队讨教了他们的「成功方法论」：https://www.leiphone.com/news/201708/KVadVGXYYIudv6lr.html

图鸭科技 CVPR 2018 图像压缩挑战赛夺冠，获奖论文全解读：https://www.leiphone.com/news/201806/sFpN5c4zd0Z0fw32.html雷锋网雷锋网

文 | 王塞北

在我们所熟悉的故事中，阿拉丁是那个在灯神的魔力帮助下，和茉莉公主一起坐在飞毯上奔向幸福的小伙子。在大多数人的认知里，这是一个源于《一千零一夜》里的阿拉伯传统民间故事，但事实上，流传到今日的《阿拉丁》并不是一个血统纯正的民间故事，他有着一段复杂混乱的形成历史。

这种混乱一直持续影响到今天，灯神阿拉丁本人的形象也经历了复杂的演变。今天，我们就从热映的《阿拉丁》开始，谈谈背后这个灯神故事与形象的演变史。

原书中阿拉丁是个中国人？

在法国考古学家、翻译家安托万·加朗

（Antoine Galland）

于1704年将《一千零一夜》从阿拉伯语译成法语之前，西方还没有人知道这本书，当然更不知道阿拉丁这个角色。

加朗在翻译原著的同时，还广泛地收集其他民间故事，《阿拉丁》就是其中之一。加朗在译文中声称，《阿拉丁》这个故事来自一位叙利亚阿勒颇的说书人。不过，在故事开头声称这是来自遥远异国叙述者，本就是这种故事的一贯格式。事实上，我们完全可以认为这个故事讲述者是不存在的。也就是说，有可能是一个法国学者在关于亚洲的零星认识当中，以一个殖民者的视角凭空臆造的。

美国插画家维吉尼亚·弗朗西丝·史特瑞特（Virginia Frances Sterrett）在1928年绘制的《阿拉丁》插图。图片来自：Aladdin and the Princess Badr al-Budūr。

有趣的是，在《一千零一夜》最初的英文译本Arabian Nights中，故事并不是发生在阿拉伯世界，而是中国。在最初中文版本中，也是如此。1910年代后期，翻译家奚若自英译本转译过来的《天方夜谭》

（最早结集成册的中译本）

中，《神灯记》

（即《阿拉丁》）

的开场为，“支那都极东，最富饶”，支那在佛典里被佛教徒指代中国。1931年，《良友》画报选刊的《神灯记》中，干脆直接就译成中国，也没人觉得有什么不妥。但哈佛大学历史及中东研究博士研究生阿拉法特·A·拉扎奎

（Arafat A. Razzaque ）

在《谁是“真的”阿拉丁?从中国人到阿拉伯人的三百年》

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

则认为：阿拉丁故事最先发生地不是在中东，而是中国。不过，在当时的阿拉伯语境中，“中国”即指“遥远的异国”，并非实指现实中的中国。

《良友》画报选刊中的《神灯记》。

在《一千零一夜》的时代

（大约在公元9世纪左右）

，无论是欧洲还是中东，都认为东方的中国是最遥远的地方，正是传说故事最好的发生地。即便故事中的君主称作苏丹，但是这也很有可能是翻译的习惯问题。

1930年代，英国电影中的阿拉丁（持扇者），身着清朝官服，形象颇似傅满洲。图片来自：Hulton Archive/Getty Images。

最初插画中的阿拉丁，是一个留着辫子的清朝人，生活在一个中东与东亚混合的古城里，城里的居民也服装各异。在以后的三百年里，欧洲舞台上的阿拉丁常常以黄种人的面孔出现。电影发明之后，阿拉丁竟然穿上了清朝官服，成了一个留着鼠尾须，面目狡黠，类似傅满洲的中国官员。

同阿拉丁的形象一样，《阿拉丁》故事的演绎也成为了各种文化的杂烩，融合了许多亚洲和欧洲元素，在1880年的音乐诙谐剧中，阿拉丁以一个黄种人的装扮出场，但是举止言行完全是一个欧洲人。阿拉丁的现代化进程一直持续到20世纪。从现存的1925年的舞台剧照片中可以看出，当时的阿拉丁故事呈现一种东方异国情调与现代西方时尚摩登的混搭风格，甚至似乎性别都变了。

同为迪士尼经典动画，阿拉丁和花木兰相比，只不过肤色深了一点，很像一对中国情侣。图片来自：Disneyclips。

随着好莱坞的兴起，无论欧洲还是北美的《阿拉丁》，都被逐渐统一转换为一个中东风格的故事。加上影视公司擅长的对异国风格的情景渲染，这种固定印象愈加在观众心中明晰。尤其是1992年迪士尼版的动画片《阿拉丁》，塑造了今日世人心中阿拉丁的“标准肖像”，但是这里的阿拉丁长相也并不十分阿拉伯，肤色较深——中东多是白种人，五官也十分像东亚人，换下身上的阿拉伯服装，说他是一个广东仔也不会有人怀疑。

对灯神的“洗蓝”“驯服”过程

早期的灯神形象。这个干枯的糟老头子，怎么看都不像能变出豪华宫殿的魔法精灵。图片来自：The Arcardian Library。

灯神的变化经历了一个复杂的过程。在《一千零一夜》中，有诸多类似灯神的“精灵”

（Genies 或 Jinn）

，造型也各不相同。在加朗版本的《一千零一夜》中，灯神是一个衣衫褴褛、身体干枯的糟老头子的形象，和今日迪士尼电影中蓝色大个子还差很远。

美国韦恩州立大学法语教授安妮·E·杜根

（Anne E. Duggan）

表示，这些精灵的设计，大都来自于当时欧洲插画家对遥远东方的想象：中国的皇帝、土耳其的苏丹、麦加的清真寺和印度的泰姬陵，这些一知半解的片段被他们融合到一起形成了一个在亚洲从未有过的形象。

但是即便是天马行空的想象也不能脱离自身文化的影响：当时插画师笔下的精灵面貌，通常都接近欧洲人熟识的巨人、天使长、希腊或罗马神话诸神、当然也少不了吸血鬼。

1785年，法国插画师克莱门·皮埃尔·马里莱尔（Clément-Pierre Marillier）绘制的阿拉丁与灯神。灯神兼具恶魔的犄角与天使的翅膀，还有一个中国小辫子。图片来自：Wikimedia Commons。

精灵的性格描写亦随时间改动，人类学家马克·阿伦·皮森特

（Mark Allen Peterson）

在著作 From Jinn to Genies中指出，精灵起初是拥有自我意志的，对人类会有巨大的威胁。也许是为了更适合在晚间围炉同家人们分享，给小朋友一个完美的睡前故事。后来的改编版本中，精灵被逐渐驯服，比如《渔夫的故事》里被困在铜瓶里面的精灵，又比如在《阿拉丁》中，法力较小，被困在戒指中的精灵。

踏入20世纪，插画中的精灵造型，灵感多来源于当时报刊上对中东和北非生活的讽刺漫画。1907年插画师艾德蒙·杜拉克

（Edmund Dulac）

为《渔夫的故事》所绘制的精灵，开始以一个阿拉伯世界的形象出现：拥有钩鼻子和一身深肤色。1912年，英国插画师勒内·堡尔

（René Bull）

描绘的精灵，同样是肤色黝黑、凶神恶煞相。

1992年迪士尼动画电影《阿拉丁》中的灯神造型。

相对而言，迪士尼动画的灯神，差不多完全摆脱了阴暗的形象，并完全“洗蓝”，加上著名演员罗宾·威廉姆斯

（Robin Williams ）

的出色配音，令角色变得谐趣好动，会做鬼脸逗人发笑。部分鬼脸造型甚至有现实依据，譬如是保守派知识分子威廉姆·F·巴克利

（William F. Buckley）

和喜剧演员阿尔尼奥·霍尔

（Arsenio Hall）

的外貌，成为后来老少咸宜的经典形象。在真人版拍摄过程中，对于威尔·史密斯是否染蓝也成了影迷们关注的焦点。

复杂身世让美国导演很犯难

虽然《阿拉丁》在世界各地拥有大量受众，但是故事本身牵涉到中东等令美国社会敏感的议题。导演们也都小心翼翼，拿出十二万分的谨慎，深恐稍有不慎而被贴上“种族主义”等标签，招来粉丝的挞伐。

美国Vox新闻网专栏作家阿佳·罗曼诺

（Aja Romano）

撰文指出，1992年的电影《阿拉丁》呈现出许多东方主义者的刻板印象：阿格拉巴被描绘成与世隔绝的神秘之城，而茉莉公主则是一位渴望逃脱自己所属文化的禁锢者。她的目标是获得足够的独立性、以嫁给自己的真爱，而不是追求作为公主的权势与荣耀。这使她看起来比阿格拉巴城里所有的人都要更接近美式“文明社会”。

同时，她的父亲苏丹，是一个容易被操弄的国王，城中居民或为粗野的持剑武士、或是艳情的肚皮舞者。更糟糕的是，在开场的音乐就唱到：如果他们不中意你的外表/就会切下你的耳朵/就是这么生猛/但是，嗨，这就是我的家乡

（

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

。很难叫人不认为这其中有刻板成见的心理。剧中的阿拉丁和精灵有着街头滑板少年的机灵狡猾，美国人一贯的好表现、夸夸其谈，这些美利坚特征将他们同阿格拉巴的居民区分开来。就像两个洋基队职业棒球手闯入一个想象中的东方伊斯兰城堡，他们的价值理念与行事风格处处超出本地人。

虽然制作方为了让画面更有阿拉伯风情，将场景从之前虚构中国搬到了约旦河畔。但是其中的一些建筑元素，又分明是来自印度和土耳其，比如泰姬陵和苏丹宫殿的浴池，仍然是一盘文化杂烩。

对于真人版《阿拉丁》的服装选择也有批评声音，茉莉公主的服装被指太“印度化”。

导演里奇是顶着不小的压力来创作真人版《阿拉丁》的。媒体纷纷以“迪士尼的道歉”、“洗白”这样的字眼来报道真人版的拍摄。从服装到选角，拍摄的每一步都被公众拿到放大镜下仔细检视，叫人又期望、又担心。

新电影的选角，是影迷关注最多的部分。早前的消息显示，里奇和迪士尼公司在敲定主演的时候遇到了麻烦，部分原因在于阿拉伯或其他亚裔演员可能在英语歌唱中有困难，引发网友的愤慨。最终茉莉公主的角色由英印混血的娜奥米·斯科特

（Naomi Scott）

饰演，一些影迷认为这是因为在迪士尼的视角下，南亚人和中东人没什么区别，是可以直接置换的。也有人认为，正如美国文化一样，迪士尼意在呈现一个多元融合的文化景象。但是这并不能说明问题，关于他们自己的电影中，纽约各区之间的分别都明晰无比。之后又有消息传出，《魔法黑森林·长发公主》中饰演王子的比利·马格努斯

（Billy Magnussen）

加入，又引发热议——什么？又有白人？最终，他饰演安德斯王子。

目前的反响看来，观众的评价多是正面，但并不能说明导演让所有人都感到满意。电影上映后，美国伊斯兰教协会

（the Council on American-Islamic Relations）

发布了一份公告，要求影评人承认：《阿拉丁》故事乃是根植于种族主义、东方主义和伊斯兰恐怖症所演绎的，并且对电影中的种族与宗教的刻板印象表示关切。

看来，即便是拍出《两杆大烟枪》这样惊世奇作的大导演盖·里奇，碰到《阿拉丁》这个题材，也不能让大家都满意。关于阿拉丁的国籍与种族问题，还得困扰导演们一段时间。

编译参考

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

编辑

何安安 校对薛京宁