在语言学的定义里,新词是指一个最近铸造的发明词或者词组,可能来源于新事物的产生、方言的吸收、简略词汇、外来语等。当今互联网时代下,大量的中文新词会在不同背景的碰撞下产生并借助网络的力量迅速传播开来。由于中文里没有明显的界限符,所以在英文中不存在的分词问题在中文里却是很重要的一步。未登录词是影响分词准确率的重要因素,新的未登录词及其变体层出不穷,依靠人力去构建词库费时费力,因而使用某些方法让计算机自动从文本中挖掘出新词成为一项重要的课题。BERT是2018年Google提出的深度双向语言表示模型,以Transformer的编码器部分作为模型的主体,提出了遮挡语言模型（Mask Language Model）和下一句预测（Next Sentence Prediction）两种预训练任务,在机器翻译、情感分析等16项自然语言处理任务上取得了最佳实验结果。BERT将文本序列作为输入,模型根据整条文本的信息计算得到每一个单词的上下文表示,对于一词多义的词语,BERT模型能够做到对多语义的理解。BERT的一般用法是加载其预训练权重,再接小部分新层,然后在下游任务上进行微调,其用法一般都是有监督的。中文分词是自然语言处理在中文上的特有的任务,如果能将BERT模型以无监督学习的方式同时引入到专业领域的新词发现和中文分词任务中,这将有助于对专业领域词库构建的研究、对BERT模型的可解释性研究、对中文分词的研究。针对上述问题,本文首先详细介绍了BERT模型的结构和各个组成部分,说明了模型是如何通过自注意力机制来做到基于上下文的编码表示。这一部分还介绍了遮挡语言模型的具体操作过程,并对比了它和一般语言模型,证明了用这种方式预训练出的BERT模型的优越性。其次,介绍了扰动遮挡的原理,推导了如何人为的给句子加入遮挡并利用遮挡语言模型来计算句子中每两个字之间的依赖性矩阵。曾有学者在研究中指出了借用扰动遮挡的思路来做分词的可能性,本文则系统地研究了利用依赖性矩阵进行分词的可行性,并更进一步提出了一套新的半全局的、能够利用矩阵更多信息的中文分词算法。然后在此基础上加入了专业领域知识注入模块、分词结果后处理模块,形成了一套系统的中文分词算法。由于分词算法并不需要词库,因此我们可以利用它执行新词发现任务,统计分词的结果并与标准词库作差集得到候选新词集合,最后基于规则和人工干预进行过滤,从而实现新词发现的功能。本文提出的新词发现算法在手动标注的语料中有较好的表现,实验测试也发现将新词发现的结果扩充词库可以优化基于词库的分词算法效果。