01 · Scope
任务边界
本比对只在已经确认并公开的教育相关同实异名词群上工作，不重建词群、不调整成员、不改动原始辞书数据。它只回答一个问题：辞源里同指一物的这些称名，今天还在《现代汉语词典》里吗。参照系只有《现汉》这一本共时通用语词典，因此结论的形式只能是“被《现汉》收录”或“未被《现汉》收录”。
本比对做什么
把每个称名作为独立单位与《现汉》比对，逐条判定概念是否同指，并把结果汇总到词群一级，看同一概念下今天还剩几个说法。
本比对不做什么
存活判定这一环不判定一个词是否“已消亡”，不看词频，也不追溯称名之间的替代先后关系，判据只有《现汉》的收词与释义。另有一条独立的语料佐证，只针对“《现汉》未收录”那批词群，不参与存活判定，见第十章。
02 · Two Sides
比对的是哪两侧
两侧都取全量，不做抽样，也不预先按“看起来还在用”之类的印象缩小范围。
词群内的全部称名
- 正条 — 个 —— 辞源立为主条的称名
- 副条 — 个 —— 归属于某个具体义项的异名
- 互见条 — 个 —— 义项为纯“见‘某词’”而指向该概念的称名
三类角色全部参与比对，并在结果中分别统计，因为它们在辞书中的地位本来就不同。
《现汉》全部条目
- 字头 11,029 条
- 复词 58,159 条
- 合计 69,188 条，即《现汉》的完整条目集
只有“条目”算收录。释义内部举的例词、搭配和插图说明不算——它们不是被立目的词。
每条判断实际读取：辞源该称名所属词群的锚定义项释义、该称名在词群中的角色；《现汉》同形条目的条目类型（字头／复词）、释义类型、词类与语用标签、完整释义，以及该条目无顶层释义时的全部义项。
03 · Normalization
形态归一：只做一件事
归一化越多，虚假命中越多。这次只做一项处理：去掉称名末尾多余的标点。除此之外一律按原形比对。
个别称名带有句末标点，去掉后方可与《现汉》条目对齐。此项处理后新增命中 1 条。
辞源一侧确有现汉不使用的字形。本次不做繁简与异体转换——把“邁”折成“迈”再去比对，会掩盖“《现汉》收的究竟是哪个写法”这一事实。但《现汉》自己印在字头位置的括注算收录：现汉把“迈(邁)”“亩(畝)”“稚(穉、稺)”成对印出来，括注里的字形是条目本身的一部分，不是释义内部的举例，所以按“只有条目算收录”这条规则，它们本就该计入字形命中。这不是归一化——比的仍是原形，只是把比对范围从词形一列扩到了词形与括注。全量排查后，5,160 个称名中有 48 个含《现汉》全书（含括注）从未出现过的字，涉及 42 个字；其中绝大多数是清末民初为公制单位造的合体字（兛、兝、瓧、瓩、粍、糎、竏 等），今已废止。因括注而由“未收录”翻为“字形命中”的共 10 个称名，逐条核过概念：噸、飩、思惟、仿宋体、仿宋字 五个同指、计入存活；邁（词群“万克”）、呌（“配克”）、嬰（“升半音记号”）、畝（“英亩”）、穉（“毫米”）五个是辞源记的旧译单字，与现汉那个字头所指完全不同，判为同形异义、不计入存活。词群层面因此有一个词群（“饨”）由“全部未收录”变为“有存活”。
异体归并会把不同的立目形式混为一条，掩盖“《现汉》收的究竟是哪个写法”这一事实。
匹配阶段只认字形完全相同。任何模糊匹配都会把判断责任从人工核验前移到算法猜测。
04 · Form Matching
字形匹配：只负责产生待核清单
以归一后的称名与《现汉》条目词形做精确匹配。命中不等于存活，只是取得了进入人工核验的资格；未命中则直接记录为“现汉无该字形条目”，不再猜测。
命中侧的构成
- 按辞源角色：正条命中 686 条、副条命中 443 条、互见条命中 114 条。
- 按现汉条目类型：命中复词 1,007 条、命中字头 236 条。
- 需要读义项表：其中 465 条命中的《现汉》条目没有顶层释义，必须逐一展开全部义项才能判断。
- 涉及转指条：82 条命中涉及《现汉》“见‘某词’”式转指条（其中 36 条该词形只有转指条、本身不给释义），须先解析它指向何处。
05 · Semantic Verification
逐条语义核验
这是本比对的主体工作，也是唯一决定存活与否的环节。全部 — 条命中逐条人工判断，不抽样、不设相似度阈值、不用关键词或字数之类的规则代替阅读。
- 01读辞源这一侧的概念
取该称名所属词群的锚定义项释义，确定这条命中要比的究竟是哪个概念。
- 02读现汉那一侧的释义
读同形条目的完整释义；无顶层释义时展开全部义项，并一并看词类与“旧”“方”“书”等语用标签。
- 03解析转指
《现汉》条目为“见‘某词’”时，追到被指向的条目读其释义，再与辞源概念比对。
- 04判定并写下依据
只在概念同指时判为存活，否则剔除。每条都写一句可复核的理由，同指与剔除都写。
四类典型剔除情形
《现汉》“书房”为读书写字的房间，非图书馆；“书院”为旧时读书讲学处所，亦非图书馆。字形完全相同，概念不同。
《现汉》“瓦”为功率单位，与质量单位“克”不同；“公厘”为长度单位；“分”为市制长度单位，与厘米量值不同。
“咪”“珊”“咔”一类早期译音用字，在《现汉》中另有来历或无对应实义，与所在词群的计量概念无关。
《现汉》该字头虽然立目，但没有与该词群概念对应的义项，仅作构词成分或另有专义。
计为存活的一种特殊情形：《现汉》以“见‘某词’”转指、本身不给释义的条目，仍算被收录——它是被立了目的词，只是释义放在别处。本次 82 条涉及转指的命中中，40 条判为存活，在对照页上以「转」标出。
06 · Outcome
从称名结论汇总到词群结果
称名一级只有“被收录／未被收录”两种取值。把同一词群的称名结论汇总，得到词群一级的三种结果；三者互斥且穷尽，合计等于比对基础的词群总数。
恰有一个称名被《现汉》收录，其余未收录。同一概念今天基本只剩一个说法。
—两个及以上称名同时被收录。本次最多的词群有 6 个称名并存。
—全部称名均未被收录。作单独标记保留，不下任何消亡判断。
—另可注意：共有 211 个词群在核验中出现过至少一条同形异义。若不做人工核验而直接把字形命中当作存活，这 211 个词群的结果都会被算错。
07 · Limits
结论限度与已知偏向
以下四点是读这批数据时必须同时读到的限制条件，它们不是补充说明，而是结论成立的前提。
- 01 “未被收录”不等于“已消亡”
《现汉》是一本有篇幅限制的共时通用语词典。未收录的原因可能是通用语中已不用，也可能是它属于方言、专业术语、旧时用法或百科性名物，本就不在这本词典的收词范围内。判断一个词是否消亡，需要方言、专业和历时语料等更多资料。本次已用 BCC 新闻语料对这批词群做了一轮佐证（第十章）：509 个未收录词群里 406 个在语料中确有该义的用例，占八成，这正说明“未被《现汉》收录”不能读成“已消亡”。反过来，语料检索为零同样不构成消亡的证据——BCC 不覆盖方言与专业术语。
- 02 正条存活率高，含有选条偏向
正条存活率 56.0%，远高于副条 5.9% 和互见条 3.9%。这里至少有两重原因叠加：一是主条形式本来更可能是今天通行的说法；二是辞源立正条时已经有偏向今通行形式的取舍。因此这个差距不宜直接读成“历史淘汰率”，它同时反映了辞源自身的立目习惯。
- 03 不做人工核验的自动比对会显著高估存活
副条命中 443 条剔除 248 条，互见条命中 114 条剔除 83 条——异名越短、越接近单字，字形碰撞越密集。若把字形命中直接当作存活，副条存活率会由 5.9% 虚高到 13.9%，互见条由 3.9% 虚高到 14.9%。
- 04 判断的是概念是否同指，不是义项集合是否等价
只要《现汉》该条目有一个义项与辞源该概念同指，即判为收录，不要求两书义项数量、切分方式或释义措辞一致。义项一级的完整对齐是另一项工作，本次未做。此外本次只对照《现汉》的单一版本，未做版次间比较。
08 · Technical Implementation
研究数据与公开数据如何衔接
原始辞书数据不被修改。比对结果全部存放在数据库研究层的独立数据表中，与原始词条、义项和词群事实逻辑隔离；公开接口只读取状态已切换为“已发布”的比对版本。
基础必须沿版本链取定：词群基础由「词群版本 → 教育范围版本 → 一级分类版本」三级各取最新已发布版本逐级取交得到，共 — 群 — 名。若图省事把全部已发布版本并起来取，会多出 2 个词群和 5 个称名，与网站公开统计不一致。
数据表与记录方式（技术细节）
research.survival_runs保存比对版本：范围标签、规则版本号、参照书目、规则说明快照、发布状态与时间，以及词群数、参与比对称名数、存活称名数三项汇总。
research.survival_reviews每个称名一条记录，同一版本内 (run_id, name_id) 唯一，覆盖全部参与比对的称名而非仅命中者。
term / member_role归一后的称名及其在词群中的角色（正条／副条／互见条），角色是分层统计的依据。
matched_form / md_entry_kinds / md_def_kind是否字形命中，以及命中的《现汉》条目是字头还是复词、释义类型是直接释义、无顶层释义还是转指。
concept_verdict / survived核验结论 same／diff／no_match，与由它导出的存活布尔值。三者取值互斥，可交叉校验。
evidence_note每条记录的判断依据，全部 5,160 条无一为空；剔除类记录写明《现汉》该词实指何义。
公开接口：/api/survival/stats 返回分角色与分结果的汇总及同形异义实例；/api/survival 按词群返回对照明细，支持按结果、教育门类与关键词筛选。对照页展示的判断依据经过截断，完整依据与中间待核清单保留在研究层，不直接对外公开。
09 · Quality Control
完整性、一致性与用语纪律
- 全量而非抽样：5,160 个称名全部落表，1,252 条字形命中全部逐条人工核验，没有以抽样结果外推。
- 依据齐备：5,160 条记录的判断依据无一为空，其中 345 条剔除记录均写明《现汉》该词的实际所指；另有 9 条因《现汉》该条目在平台数据中释义与义项文本皆空（或本义未随数据导入）而单列为「无从判定」，同样不计存活。
- 数值一致性：三个角色的称名数、命中数、存活数分别合计等于总数；命中数减存活数恰等于剔除数；三种词群结果合计等于词群总数。
- 与网站口径一致：比对基础的 1,207 群／5,160 名与词群页教育范围的公开统计完全相同，两页数字可以直接互校。
- 版本隔离：比对版本未切换为“已发布”前不进入公开接口；已发布版本的规则说明随版本保存，事后不改写。
- 用语纪律：全部对外表述只用“被《现汉》收录／未被《现汉》收录”，不使用“消亡”“淘汰”“死词”等超出本次参照系的说法。
- 已执行的复审与补正：2026-07-27 对两类高风险判定做了第二轮逐条复核——一是《现汉》该条目无顶层释义、必须展开义项表的 196 条剔除判定，二是全部涉及“见‘某词’”转指的判定。共补正 8 条漏判（台球·乒乓球、化·化学、学院·大学、文·文科、文·文言、星期·星期日、立方·立方体、分数线），失误集中于两种情形：只读了多义项条目的靠前义项，以及同一词形在《现汉》有多个条目时只判了其中一条。
- 反方向复审：上一轮补正全部是把剔除改回存活，方向单一，因此又对存活一侧做了对称检查——全部 41 条经由转指判定的存活，以及《现汉》释文中出现了词群主称名的 181 条存活。判据是“《现汉》把该称名释为该概念”，而非“《现汉》在解释它时提到了该概念”。据此收回 6 条判宽了的存活：读（语句中的停顿，仅为逗号的词源，《现汉》并注明“分别句读的标准不同”）、水准仪（另一种仪器，水平仪是它的部件）、原型（原来的类型，非按比例制成的物体），以及三条上下位关系——农历（阴阳历的一种）、国际音标（音标中的一种系统）、观象台（涵盖天文气象地磁地震的上位机构）。两轮合计调整 14 条，方向相反。
- 存活一侧全量复审：为免复审只覆盖抽样，又把存活一侧剩余未逐条重读的 682 条全部读完（其中 632 条是词群主称名自身的字形、49 条是释文未出现词群名的异名，另 1 条为正条）。做法是把辞源该词群概念与《现汉》同形条目释义并列逐条比读，并按字面重合度由低到高排序，先读两侧措辞差异最大的。据此再收回 8 条：数码（《现汉》明写指向“数字①②”即数符，未含“指数量”）、自修（《现汉》为自习、自学，辞源为自己修养）、根（《现汉》数学义只有“方根的简称”，无“方程的解”）、世界语与国际音标式的下位概念、纪元式的上位概念、微积分（《现汉》释为数学内容而非学科）、仂语与类（指称范围不同）。同时把 9 条建立在“《现汉》立有同形条目但平台数据无释义文本”之上的判定，从原先散落在剔除与存活两侧统一改为单列的「无从判定」，一律不计存活。 至此原有 1,227 条字形命中已全部经过两轮以上逐条阅读，存活与剔除两侧均无未复审记录。
- 补正《现汉》一侧的漏收（2026-08-03）：本平台的《现汉》数据由 OCR 提取，页首处存在整块条目丢失，会把实际收录的词误判成未收录。据页眉字头与正文的比对定位到 214 页有丢失，已重新识读其中 89 页——82 页确有丢失、共补入 646 条，另 7 页经核为误判（判据均为 PDF 原图，每页须过不重复、拼音↔字形、音节序单调、上下边界吻合、页眉含该字头五道校验）。据此重跑字形匹配，14 个原判「《现汉》无该字形条目」的称名实为《现汉》收录，逐条判同指后得 10 条存活、4 条同形异义：存活的是硕士、直线、盲文、市制、旗语、剖面、剖视图、椭圆体、阳性、直选；剔除的是修饰（《现汉》三个义项均非“一个词语限定另一个词语”的语法义，且未立“修饰语”条）、直译（该记录对应辞源“见音译”一义，而《现汉》直译释为偏重照顾原文字句，与音译分立）、磁针（《现汉》释为针形磁铁，是指南针的部件，非该仪器本身）、连珠（《现汉》为连成串的珠子，无逻辑学义）。 这 14 条经一轮逐条阅读；余下 125 页尚未重识读，因此“未被《现汉》收录”一侧仍可能有少量同类漏收。
10 · Corpus Evidence
语料佐证：未收录的那批，语料里还有没有
前九章的判据只有《现汉》一本书，所以“未被《现汉》收录”这句话到此为止——它答不了“今天还有人这么说吗”。为此另开一条独立证据线：把“《现汉》未收录”的 509 个词群，逐个称名拿到北京语言大学 BCC 语料库的新闻子库里检索，读例句，判断这些用例说的是不是本词群那个意思。
做法与覆盖范围
- 01只做“现汉未收录”那一桶
其余词群已有《现汉》这一侧的肯定结论，不需要语料再答一遍。509 个词群共 1,805 个（词群，称名）对。
- 02检索
实际检索 1,198 对：704 对有命中，494 对检索为零。另 607 对未检索——早期脚本一旦组内某个称名有命中就跳过同组余词，这些对在库中记作“未检索”，与“检索为零”严格分开记录。全部检索完成于 2026-08-03，本平台展示的每一个 BCC 数字都是该日的快照。
- 03逐条读例句
704 对有命中的全部逐条读例句判定，不抽样。频次只用来分层安排阅读顺序，不作判据。
- 04四档判定
确用于该义／同形异义／跨词边界误配／例句不足以判定。判定针对的是“这些例句说的是不是这个意思”，不是“这个词还在不在用”。
每一条都能回原站复核：例句不转载到本站——语料是 BCC 的，本平台只保留检索数与义项判定。作为替代，词群详情页逐名台账的每一行都挂了一个回 BCC 的链接，子库与检索串与入库时那次检索完全一致，点开即是该词在新闻子库的原始例句。因此上面这四档判定不必信本站的转述，读者可自行核对。但请注意：本站数字是那一次检索的快照，BCC 日后增补语料会使原站数字高于此处——这不影响判定，判定依据的是当时读到的那批例句；检索为零的 494 对同理，陈述的是那一日检索的事实。
704 对逐名判定的结果
- 确用于该义：452 对（64.2%）——构成“这个说法仍在使用”的正面证据。
- 同形异义：173 对（24.6%）——确是这个词形，但语料里说的是别的意思。
- 跨词边界误配：77 对（10.9%）——BCC 按字符串检索，命中的根本不是这个词，检索串跨了词的边界。
- 例句不足以判定：2 对（0.3%）——例句高度重复、出自同一篇文献，样本不足以定案。
为什么频次不能单独定案
这是本章最要紧的一条方法结论。BCC 按字符串匹配，检索数高低与“这个说法还在不在用”之间没有稳定关系。三个实例：趁 检索 8,415 次，例句全是介词“趁着”，而词群那个意思是测定重量的器具；合 检索 204 万次，例句是动词“合”的契合、统一、折合诸义，还夹着“门合”这类人名造成的跨词边界误配；字母表 检索仅 87 次，5 条例句却全部指谷歌母公司 Alphabet 的中译。高频的可能一条都不是该义，低频的也可能一条都不是该义——所以频次只能用来排阅读顺序，判定必须靠读。
同指率按词形长度与频次分层
- 单字称名：39 对里只有 1 对同指（2.6%）。单字作为检索串必然撞上大量无关用法。
- 多字称名按频次：不足 10 次 61.0%（147/241）、10–100 次 71.8%（145/202）、100–1,000 次 76.9%（110/143）、1,000–1 万次 66.1%（41/62）、1 万次以上 47.1%（8/17）。
- 形态是倒 U 而非单调：同指率在 100–1,000 次这一档最高，两头都低。低频端是样本少、偶合占比高；高频端恰恰因为这个字符串本身是今天的常用词，命中的多半是它的现代常用义而非词群那个旧义。所以“频次越高越可能还在用”这个直觉在这批数据上不成立。
汇总到词群一级
把称名结论汇总到词群：组内只要有一个称名判为“确用于该义”，该词群即计入“BCC 有记录”。三档互斥且合计等于 509。
组内至少一个称名经读例句核实确用于该义。
406检索有命中，但均为同形异义或跨词边界误配。
67《现汉》未收录，BCC 检索亦为零。
36一道必须过的闸门：由于早期有 607 对未检索，一个词群若组内没有任何“确用于该义”的称名、却还留着未检索的称名，它的否定结论就没有依据。入库脚本对这种情形直接中止，不允许写入。已核：当前 509 个词群中这类违规为 0。
- 01 “语料未见”不等于“已消亡”
本次用的是 BCC 新闻子库。BCC 另有文学、多领域、口语等子库，但都不覆盖方言与专业术语，而“《现汉》未收录”这批词里本就有相当部分属于方言或专业用语。因此检索为零只是这批语料的检索事实，不构成消亡的判断。全站表述一律用“语料未见”，不用“消亡”。
- 02 例句不对外发布
BCC 例句是新闻语料原文，与《现汉》释义同属不可转载的第三方内容。因此本站只公布检索数与义项判定，不印例句。判定依据完整保存在研究数据里，可供复核。
- 03 覆盖并不完整
1,805 对中有 607 对未检索。这些未检索的对全部落在已有肯定证据的词群里，因此不影响“BCC 有记录”这一档的成立，但它意味着“组内有几个称名仍在用”这个更细的问题本次答不了。