中文自动分词是汉语自然语言处理领域一项重要的基础性研究工作，而随着新词的不断出现，中文分词结果中出现过多的“散串”，影响了分词的准确率。因此，新词发现已经成为中文自动分词的一个难点和瓶颈问题。另外，新词发现也是信息检索和机器翻译等领域的关注之点。 本文将新词发现问题分成新词检测和识别两个子问题。新词检测模块采用了两种新词检测方法，一种是基于条件随机场(Conditional Random Fields，CRF)将新词检测与自动分词相结合，另一种是基于PAT(Patrical Algorithm to RetrieveInformation Coded in Alphanumeric，PATRICIA)数组提取重复字串，本文利用这两种方法提取候选新词；新词识别则被定义为一个二元分类问题，特征采用了新词检测过程中得到的局部特征即分词置信度以及词频、词语连接测度(SymmetricConditional Probability and Context Dependency，SCPCD)等全局特征，采用支持向量机(Support Vector Machine，SVM)作为分类器，对候选新词进行分类；最后将两个结果加以融合。实验证明该方法适用于从大规模语料库中自动高效地发现新词。