科技论文中的新发现内容，是论文创新性研究成果的直接体现。对科技论文中新发现进行识别，有利于帮助科研人员从大量相关资料中迅速定位论文的成果，发现研究领域新进展，开展对科技论文新发现的挖掘有重要实际意义。　　本文以中文科技论文为研究对象，分析了其新发现语言描述特征，在人工分析统计的基础上，通过比较常用的语言模型，选择了条件随机场建模，并设计实验对模型标注新发现描述特征的效果进行了验证。具体而言，主要进了以下工作:　　(1)详细分析了常用的语言分析方法和科技论文中新发现语言相关描述特征分析方法的国内外研究现状，对其不足之处和局限性进行了总结。　　(2)分析了新发现语言描述特征。以化学、物理和植物学三个领域的科技论文文摘为语料，人工标注了新发现语义描述特征，包括:特征词、短语、句式等;利用搭配抽取、词频统计、共现分析对已标注的语料进行统计，得到并验证了新发现类型、语言表达句式、语言描述特征集。其中特征集包括表达新发现时的类型提示词、新发现结果提示词、具体新发现表达特征词。　　(3)选择条件随机场进行新发现语言描述特征识别建模。将科技论文中新发现的特征识别作为一个识别任务，对比分析了隐马尔科夫模型、最大熵模型、最大熵马尔科夫模型和条件随机场在本研究中的适应性，最终选择了标注任务中表现优异的条件随机场模型进行建模，并对其识别新发现语言描述特征的基本原理、特征函数设计和主要流程进行了介绍。　　(4)对条件随机场模型标注新发现语言描述特征进行验证。利用已经标注语料，训练出一个新发现语言描述特征识别模型;通过特征模板选择、领域混合对比、结合语言规则集的方式进行模型调优，最终获得了标注效果较优、具有跨领域性质的条件随机场识别模型。在化学、物理、植物三个领域混合语料中识别正确率、召回率、F值分别达到89.83％，53.96％，67.42％。