互联网高速发展的今天,人们习惯于通过网络来发表一些言论,舆论传播速度不断加快,影响力度也不断增强,于是有关舆情监控的产品在市场上竞相涌现。而随着时代的发展,人们的语言也在慢慢发生着变化,在网络中会有一些潮流新语诞生,在特定领域也会有一些专用术语或固定表达不断产生,这些频繁出现的新词,不仅对现有的自动分词技术带来挑战,也对舆情热点分析、网络文本挖掘、情感分析等带来重要的影响,中文新词发现研究日益得到重视。近年来,很多学者或研究机构在新词识别这一领域做了许多工作,但目前在中文新词的识别中,新词识别的准确率并不是很高。影响现有算法准确率的关键问题在于高频垃圾词串的识别,由于现有的统计方法无法对其进行区分,故语义是一个很好的切入点。本文拟对中文新词提取进行研究,利用网络爬虫获取微博、新闻等构建语料库,对文本采用从左至右的方式切割语料形成子串,使用其进行模型训练,再对子串过滤筛选形成候选词,最终根据相应指标识别出新词。本文采用的方法是在现有根据互信息、左右信息熵、词频等统计信息进行的无监督新词发现算法基础上,结合语义层面做进一步改进,凝练出筛选新词的新指标。通过实验表明,本文提出的算法在准确率上有较好的提升,是一种无监督、准确率较高、能适用于较小规模数据的算法,且满足实际生产需要。同时,在改进新词发现算法的基础之上,设计并实现了舆情系统,并在系统架构层面有所改进,使其可以支持海量数据的实时检索与分析,提高数据分析的准确性。图22幅,表6个,参考文献32篇。