1、現(xiàn)代漢語新詞提取研究的目的是從文本中自動識別并提取出新詞，也是中文信息處理中未登錄詞識別的一種特殊情況。隨著社會的發(fā)展，新詞大量涌現(xiàn)，新詞的識別和提取研究就越來越受到人們的重視。作為在中文信息處理中具有關(guān)鍵性作用的分詞技術(shù)的重要環(huán)節(jié)，現(xiàn)代漢語新詞提取具有重要的研究意義。
　　 目前，語言學(xué)家對現(xiàn)代漢語新詞研究的許多成果都無法直接在計算機上實現(xiàn)，僅有有限的構(gòu)詞規(guī)則能運用到新詞識別當(dāng)中去。而基于統(tǒng)計的方法力圖用成詞概率、互信息等大量

2、詞語的統(tǒng)計特征來進(jìn)行新詞識別，但是統(tǒng)計得出的規(guī)律受所用語料的影響較大，很難反映出新詞結(jié)構(gòu)的真正特點和本質(zhì)規(guī)律。因此，新詞識別和提取仍是有待解決的難題。
　　 本文嘗試把新詞的提取分成兩個階段：新詞語素的識別：含新詞語素的新詞提取。針對不同階段的特點提出相應(yīng)的方法：首先，提出了基于決策樹的新詞語素識別，把新詞語素識別看作一個二值分類問題，選取單字成詞概率、單字詞性等作為描述屬性，用C5算法構(gòu)建決策樹；然后，在找到新詞構(gòu)詞語素的基礎(chǔ)