【 第1页 第2页 第3页 第4页 第5页 第6页 】

“伤不起”成年度十大热词 “吊丝”落选

http://www.CRNTT.com   2012-07-06 13:42:37

中评社北京7月6日讯／《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”……（详见链接） 　　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，是流行语的显着特征。”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。

【 第1页 第2页 第3页 第4页 第5页 第6页 】