在科技高速发展的今天,人们的生活方式在悄然发生着变化,交流和表达习惯也随之更替。在此过程中,网络上的新词层出不穷,特定领域的专业术语和固定表达也不断产生,新词的频繁出现影响着中文语言处理技术的准确性,给自动分词、情感分析等任务带来巨大挑战。现如今对新词识别的研究已经有很多,但识别新词的准确率并不高,针对这一现象,本文主要研究新词识别算法,基于互信息和左右邻接熵改进的无监督方法,旨在进一步提升新词识别的准确率。本文先研究识别新词过程中的难点,学习研究现有的新词发现算法,考虑到传统算法的不足之处后,提出本文的核心算法,基于Smooth NLP算法,给出了具体改进后的新词发现算法,定义了新的指标,将左、右邻接熵通过一定形式的结合定义为新的统计量来衡量候选词的边界自由度,并结合平均互信息对候选词进行筛选,再通过低频词过滤、停用词过滤等方法来去除不符合规则的垃圾词串,最终完成新词识别。本文提出的新算法可以更有效地识别新词,准确率较高。作为改进后的新词发现算法的应用,在新词识别的基础上,对新词情感进行判断,采用基于词向量和情感词典的判别方法,将候选词语转成词向量后,在候选词中选取出新词的相似词,统计其情感信息并选出情感相似词,计算新词与情感相似词间的情感倾向点互信息,从而完成新词的情感极性判别。通过对新词情感判别来作为新词发现的应用之一,在现实生活生产中具有较好的实际意义。