当前,社交媒体,如Twitter1, Facebook2,新浪微博3等,越来越融入现代人的生活,成为人们生活中的一部分。微博不仅仅是用来发布信息,很多时候也用来寻求帮助或寻找信息,越来越多的人会在微博上提问。人们在微博上提问一般基于两个原因：1.传统搜索引擎无法获取准确的答案；2.人们更倾向于从专家或朋友获取答案。本文专注于自动检测中文微博中的问题。首先,由于分词往往是中文文本处理的第一步,如果效果不好,会造成错误传播,影响最终的结果。所以考虑到中文微博中的未登录词比较多,本文提出基于字聚类特征的中文分词方法,能够较大幅度提高未登录词分词的准确率。其次,不同于英文,中文问题更具有多样性,一方面中文中疑问词很多,其次中文句式更复杂。本文提出了基于依存句法树模式的特征来检测问题微博,我们的方法能够很好地同时考虑词法和句法的信息。除了判断是否是问题,本文还会进一步判断问题是否是完备的,完备问题是指那些不需要确认其他信息,就能够给出答案的问题。本文随机选取两天的中文微博作为数据集,实验表明本文提出的方法对判断中文微博是否是问题是非常有效的。对比其他方法,该方法具有更好的效果。在判断问题完备性上,本文提出的方法比其他方法效果提高的更多,这说明我们的方法在判断复杂任务上更具有优势。