《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。

　　沙里淘金，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。

　　语料备齐，先要人工“淘洗”一番，查找补正漏字、缺字、乱码等，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。

　　把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。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。

　　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。

　　“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。”文汇报(王乐)