语言作为社会的晴雨表,生动而真实地记录了人类文明进步的历程。社会的不断进步,网络的飞速发展,以及新鲜事物的不断涌现,为新词的出现垫定了坚实的基础。新词大多反映新事物以及社会中的新现象,也折射人们思想观念的变化历程。新词的出现,更好地促进了词汇系统的丰富和发展,带有鲜明的时代烙印；也使人们的交流更加方便、生动和形象；同时却给中文信息处理中的基础技术工作——自动分词带来了困难,如何有效地识别这些新词,已经成为中文自动分词的一个瓶颈。以印欧语言为代表的一些以字母符号为基准的语言,词与词之间有空格等天然的分界,而中文却没有这样的分界符,且其中的每个汉字都具有很强的构词能力,即任何几个相邻的汉字序列都有成词的可能性,这也是中文新词自动识别最主要的困难。本文在分析新词的产生方式、特征以及分布规律的基础之上,提出了一种基于上下文感知的新词识别算法。为了保证语料的时效性,本文首先采用网络蜘蛛来获取网络文本内容作为语料库的来源。根据Web网页的结构特征,以DOM树的形式存放由网络蜘蛛获取的网页,进而依据标签来提取文本内容,构建语料库。其次,分析现有新词识别方法的特点,找出其优点和劣势,结合新词在语料中的数量分布以及字长等特征,采用N元模型(N-Gram)的思想,并对其进行改进,获得重复率高的候选词串。再将局部匹配预测(PPM)的思想,运用到新词的识别中,对候选的词串建立上下文预测模型,根据该预测模型对新词作进一步地识别。然后,分析当前替换算法的特点,采用LRU算法对词库进行更新,从而丰富和发展了词汇系统,也保证了词库的时效性。最后,根据上下文感知的新词识别算法的思想,设计实验方案,搭建实验环境,对本文提出的新词识别算法的性能进行验证,结果表明本文的算法是有效的。