基于词典的中文分词程序不能正确划分文本中包含的新词(词典中没有涵括的词)。如果需要处理的中文文本中包含很多新词,基于词典的分词效果并不理想。从文本中自动提取语义词,从中识别新词,用于扩充词典,是解决新词问题提高分词正确性的有效方法。基于统计的语义词提取方法可以分为有监督和无监督两大类,,有监督的方法依赖一个已经正确分词好的训练语料库,但是准备训练语料库需要耗费大量时间。相反,无监督的方法不需要训练语料库,而是使用一个语义度量准则(goodness measure)衡量一个候选词是一个语义词的可能性大小。本文研究无监督的中文语义词提取技术,提出了两种新的语义度量准则,重叠变化准则(overlap variety)和重叠评估准则(overlap estimation)。该准则可以解释为“如果候选词是语义词的可能性比它的重叠字符串高,那么候选词很可能是一个有语义的词”。另一种语义度量准则,重叠评估,用于衡量一个候选词包含粘合字的可能性大小。粘合字是经常挨在一个语义词的词首或词尾的单字词,但是粘合字与语义词组成的复合词是无语义的。另外,本文介绍了如何构建文本集的PAT-tree数据结构辅助语义词提取,减少语义词提取算法的时间复杂度。当文档集很大的时候,对文本集构建PAT-tree需要耗费很长的时间。本章提出一种基于多PAT-tree的语义词提取方法,该方法采用分而治之的思想,将文本集分割成n份,独立地建立n棵PAT-tree,并行地提取语义词,极大地减少了构建PAT-tree和提取语义词的时间复杂度。更加适合于在线的互联网应用。