官方微博 首頁 > 社會(huì)發(fā)展 > 文體 > 文體發(fā)展

2012年07月06日16:05 | 中國(guó)發(fā)展門戶網(wǎng) www.chinagate.cn | 給編輯寫信 字號(hào)：T|T

每年發(fā)布的《中國(guó)語言生活狀況報(bào)告》都會(huì)揭曉上一年度的“十大新詞語”和“十大流行語”，許多人好奇—— 熱詞熱語是怎么“選拔”的

《2011年中國(guó)語言生活狀況報(bào)告》最近發(fā)布，傷不起、虎媽、淘寶體和另外7個(gè)詞，被宣布為“十大新詞語”，十二五開局、喬布斯、利比亞局勢(shì)等則是“十大流行語”……

許多人好奇，這兩個(gè)“十大”到底是怎么“選拔”的？該不是一幫人圍一桌你一言我一語湊出來的吧？中國(guó)傳媒大學(xué)教授侯敏對(duì)此回應(yīng)：怎么可能？這可是歷經(jīng)監(jiān)測(cè)、過濾、篩選、釋義等一整套程序，從每年10億字的語料中像沙里淘金那般“提煉”出來的。

從幾萬條中挑幾百個(gè)

侯敏教授有著另一個(gè)頭銜：國(guó)家語言資源監(jiān)測(cè)與研究中心有聲媒體語言分中心負(fù)責(zé)人。她介紹說，每年總量10億字的語料，取自平面媒體、有聲媒體和網(wǎng)絡(luò)媒體，并且逐年積累形成三大語料庫。

平面媒體語料庫每年新采集5億字，以15份國(guó)內(nèi)報(bào)紙為樣本，收入1月1日至12月31日的所有文字；有聲媒體語料庫年采集1億字左右，以央視新聞聯(lián)播、央廣新聞與報(bào)紙摘要等廣播電視主流新聞欄目為樣本，將1月1日至12月31日的視頻與音頻素材全部轉(zhuǎn)換成文字；網(wǎng)絡(luò)媒體語料庫的年采集量約4億字，收納新浪、騰訊等網(wǎng)站新聞欄目的全年語料。

語料備齊，先要人工“淘洗”一番，查找補(bǔ)正漏字、缺字、亂碼等等，而后一股腦兒送進(jìn)語言信息處理技術(shù)平臺(tái)，平臺(tái)上裝著全切分軟件、自動(dòng)分詞軟件等。在電腦上輸入“我是學(xué)生”，立馬會(huì)被切分成我、是、學(xué)、生4個(gè)字與我、是、學(xué)生3個(gè)詞。

新詞語，當(dāng)然要“新”。把2011年度的語料統(tǒng)統(tǒng)切分成詞語之后，需借助軟件把它們跟此前幾年的詞語作比對(duì)，去舊留新，剩下來的就構(gòu)成了年度新詞語候選集——候選的詞語有多少？年均幾萬條。不過其中包含了大量人名、地名、機(jī)構(gòu)名稱、數(shù)字表達(dá)式、時(shí)間表達(dá)式等，這些沒有語言學(xué)意義，不能算，得剔除。侯敏說，每年最終入圍的幾百個(gè)新詞語，就是從這幾萬條候選詞中遴選出來的。遴選完全由人工操作，選中的詞語還要逐條釋義，為此幾十名專家得集體工作兩個(gè)多月。這部分工作的成果，《2011年漢語新詞語》今年8月將正式出版。

相比新詞語，流行語的“選拔”簡(jiǎn)單些。利用電腦軟件，統(tǒng)計(jì)出每個(gè)詞在365天中的生命周期長(zhǎng)短、出現(xiàn)頻次高低等指標(biāo)，然后對(duì)比前一年數(shù)據(jù)，使用頻率相仿的即刻淘汰，而一旦發(fā)現(xiàn)使用頻率“異峰突起”的，就留下。“迅速盛行、廣為傳播是流行語和其他詞語的最大區(qū)別；從新出現(xiàn)或較少使用到廣泛使用的間隔時(shí)間短，是流行語的顯著特征。”中國(guó)傳媒大學(xué)副教授滕永林說，流行語的人工篩選也相對(duì)輕松，候選集跟最后公布的流行語差別不太大。

“額的神啊”、“吊絲”為啥沒選上？

2011年度語言生活報(bào)告公布后，有人對(duì)那些熱詞、熱語有意見：“跟我們的感覺不一樣啊？”“有些用得很多的網(wǎng)言網(wǎng)語怎么沒入選，‘額的神啊’在哪兒？” “今年2月，我們就2011年度的熱詞、熱語向網(wǎng)友征求意見時(shí)，就聽到了各種建議。”侯敏教授說，網(wǎng)友們舉出了不少新鮮的網(wǎng)絡(luò)用詞，問報(bào)告中怎么不見蹤影？我跟他們解釋：網(wǎng)絡(luò)媒體語料庫在采集語料時(shí)以網(wǎng)站的新聞欄目為主，BBS論壇、網(wǎng)友留言與發(fā)帖不在其列，“‘額的神啊’僅僅在論壇里熱度很高，所以‘落選’了。” 今年，“吊絲”一詞的去留成了爭(zhēng)論最激烈的一個(gè)議題。經(jīng)過一應(yīng)前道工序，它也進(jìn)入了候選集，但專家們犯難：不選吧？確是新詞，征求意見時(shí)網(wǎng)友呼聲極高；選吧？這個(gè)詞品位不高，想準(zhǔn)確釋義更難。“我們選詞有標(biāo)準(zhǔn)，得是新詞，得有一定使用頻率，得能反映當(dāng)今社會(huì)生活，還得‘干凈’，要有一定品位。” 侯敏教授舉例說，幾年前“鐵娘子”吳儀說出“裸退”一詞，這個(gè)詞的使用頻率其實(shí)很低，但經(jīng)專家討論，還是入選了年度新詞語，“‘裸退’展現(xiàn)了一種胸懷，指明了官員退休的新方向，值得稱道。”再比如，對(duì)“蒜你狠”、“姜你軍”能不能入選，反對(duì)的聲音不小，說這些新詞不倫不類、不夠規(guī)范；但討論再三，專家們最終傾向于認(rèn)為“老百姓在漲價(jià)壓力下，以苦中作樂的心態(tài)和充滿智慧的調(diào)侃創(chuàng)出新詞語，反映了社會(huì)生活和個(gè)人境遇，該收！”

少數(shù)民族語言也新詞迭出但暫難篩選

國(guó)家語言資源監(jiān)測(cè)語料庫，除了漢語的，還有少數(shù)民族語言的，藏語、維語、蒙語……少數(shù)民族語言分中心副主任、中央民族大學(xué)教授趙小兵向記者介紹，他們每年度采集的不同語種的語料達(dá)2億字，也來源于各大網(wǎng)站、報(bào)紙等。

少數(shù)民族語言每年也在不斷冒出熱詞、熱語，然而受技術(shù)手段制約，一時(shí)還選不出來。“軟件不夠水平啊！”趙小兵解釋，少數(shù)民族語言文字有特殊性，目前分詞軟件的準(zhǔn)確率在92%上下，而按照大規(guī)模語料處理的要求，準(zhǔn)確率至少要達(dá)到95%才行。

他說：“雖然暫時(shí)還沒選熱詞、熱語，但我們對(duì)少數(shù)民族語料的分析一直在做，你想象不出工作量有多大——采用人機(jī)輔助處理，需要大量人工干預(yù)。目前我們已經(jīng)完成了藏語、維語中小學(xué)教材和網(wǎng)絡(luò)詞語的統(tǒng)計(jì)分析。”

記者 王樂

返回頂部文章來源： 文匯報(bào)