年度热词出炉：额的神啊、吊丝为啥没选上

每年发布的《中国语言生活状况报告》都会揭晓上一年度的“十大新词语”和“十大流行语”，许多人好奇—— 热词热语是怎么“选拔”的

《2011年中国语言生活状况报告》最近发布，伤不起、虎妈、淘宝体和另外7个词，被宣布为“十大新词语”，十二五开局、乔布斯、利比亚局势等则是“十大流行语”……

许多人好奇，这两个“十大”到底是怎么“选拔”的？该不是一帮人围一桌你一言我一语凑出来的吧？中国传媒大学教授侯敏对此回应：怎么可能？这可是历经监测、过滤、筛选、释义等一整套程序，从每年10亿字的语料中像沙里淘金那般“提炼”出来的。

从几万条中挑几百个

侯敏教授有着另一个头衔：国家语言资源监测与研究中心有声媒体语言分中心负责人。她介绍说，每年总量10亿字的语料，取自平面媒体、有声媒体和网络媒体，并且逐年积累形成三大语料库。

平面媒体语料库每年新采集5亿字，以15份国内报纸为样本，收入1月1日至12月31日的所有文字；有声媒体语料库年采集1亿字左右，以央视新闻联播、央广新闻与报纸摘要等广播电视主流新闻栏目为样本，将1月1日至12月31日的视频与音频素材全部转换成文字；网络媒体语料库的年采集量约4亿字，收纳新浪、腾讯等网站新闻栏目的全年语料。

语料备齐，先要人工“淘洗”一番，查找补正漏字、缺字、乱码等等，而后一股脑儿送进语言信息处理技术平台，平台上装着全切分软件、自动分词软件等。在电脑上输入“我是学生”，立马会被切分成我、是、学、生4个字与我、是、学生3个词。

新词语，当然要“新”。把2011年度的语料统统切分成词语之后，需借助软件把它们跟此前几年的词语作比对，去旧留新，剩下来的就构成了年度新词语候选集——候选的词语有多少？年均几万条。不过其中包含了大量人名、地名、机构名称、数字表达式、时间表达式等，这些没有语言学意义，不能算，得剔除。侯敏说，每年最终入围的几百个新词语，就是从这几万条候选词中遴选出来的。遴选完全由人工操作，选中的词语还要逐条释义，为此几十名专家得集体工作两个多月。这部分工作的成果，《2011年汉语新词语》今年8月将正式出版。

相比新词语，流行语的“选拔”简单些。利用电脑软件，统计出每个词在365天中的生命周期长短、出现频次高低等指标，然后对比前一年数据，使用频率相仿的即刻淘汰，而一旦发现使用频率“异峰突起”的，就留下。“迅速盛行、广为传播是流行语和其他词语的最大区别；从新出现或较少使用到广泛使用的间隔时间短，是流行语的显著特征。”中国传媒大学副教授滕永林说，流行语的人工筛选也相对轻松，候选集跟最后公布的流行语差别不太大。

“额的神啊”、“吊丝”为啥没选上？

2011年度语言生活报告公布后，有人对那些热词、热语有意见：“跟我们的感觉不一样啊？”“有些用得很多的网言网语怎么没入选，‘额的神啊’在哪儿？” “今年2月，我们就2011年度的热词、热语向网友征求意见时，就听到了各种建议。”侯敏教授说，网友们举出了不少新鲜的网络用词，问报告中怎么不见踪影？我跟他们解释：网络媒体语料库在采集语料时以网站的新闻栏目为主，BBS论坛、网友留言与发帖不在其列，“‘额的神啊’仅仅在论坛里热度很高，所以‘落选’了。” 今年，“吊丝”一词的去留成了争论最激烈的一个议题。经过一应前道工序，它也进入了候选集，但专家们犯难：不选吧？确是新词，征求意见时网友呼声极高；选吧？这个词品位不高，想准确释义更难。“我们选词有标准，得是新词，得有一定使用频率，得能反映当今社会生活，还得‘干净’，要有一定品位。” 侯敏教授举例说，几年前“铁娘子”吴仪说出“裸退”一词，这个词的使用频率其实很低，但经专家讨论，还是入选了年度新词语，“‘裸退’展现了一种胸怀，指明了官员退休的新方向，值得称道。”再比如，对“蒜你狠”、“姜你军”能不能入选，反对的声音不小，说这些新词不伦不类、不够规范；但讨论再三，专家们最终倾向于认为“老百姓在涨价压力下，以苦中作乐的心态和充满智慧的调侃创出新词语，反映了社会生活和个人境遇，该收！”

少数民族语言也新词迭出但暂难筛选

国家语言资源监测语料库，除了汉语的，还有少数民族语言的，藏语、维语、蒙语……少数民族语言分中心副主任、中央民族大学教授赵小兵向记者介绍，他们每年度采集的不同语种的语料达2亿字，也来源于各大网站、报纸等。

少数民族语言每年也在不断冒出热词、热语，然而受技术手段制约，一时还选不出来。“软件不够水平啊！”赵小兵解释，少数民族语言文字有特殊性，目前分词软件的准确率在92%上下，而按照大规模语料处理的要求，准确率至少要达到95%才行。

他说：“虽然暂时还没选热词、热语，但我们对少数民族语料的分析一直在做，你想象不出工作量有多大——采用人机辅助处理，需要大量人工干预。目前我们已经完成了藏语、维语中小学教材和网络词语的统计分析。”