在新词识别领域,研究者的研究阶段处于有效的新词特征挖掘和新词检测模型选择。现有的新词特征主要包括语言知识特征和统计特征。常用的语言知识特征有前后缀、串长,统计特征有词频、互信息、左熵、右熵、色子矩阵(Dice)。新词,为何新?“新”可以跟时间对比,在某个时间点之前新词从未出现过,这个时间点后新词出现了,并被人们广泛使用,但新词出现的这个时间点很模糊,无法具体界定。针对新词时间分布特性难以描述的问题,本文提出一种量化新词时间分布特性的方法,并用于新词检测。本文采用候选新词词频与Helmholtz原理相结合来量化新词的时间分布特性。词频体现人们某段时间对某个词的使用频度,本文将词的时间分布特性量化为语料中文档词的词频分布。Helmholtz原理观察事件是否远偏离事件发生的随机分布,如果事件观察结果明显偏离随机分布,则该事件是有意义的。文档词的词频分布是Helmholtz原理的观察对象,新词在连续时间段内从无到出现,然后被广为传播使用表现为新词的词频剧增,相比于词典词的词频分布,候选新词的词频分布可能会被Helmholtz原理观察为偏离随机分布的事件。本文解决了时间分布特性量化的难题,并用于新词检测。在实验阶段,采用支持向量机(SVM)作为新词检测模型,融合互信息、左熵、右熵、Dice的组合特征做实验的Baseline,新词识别准确率为85.6093%。在Baseline的基础上,新词特征增加串长、词频,新词识别的准确率为87.5328%。在此基础上,新词特征增加以词频与Helmholtz原理相结合的时间分布特性,新词识别的准确率为91.5822%。