新词自动检测是中文信息处理的重要基础，但中文字符极强的构词能力给新词检测带来了巨大的困难。提出一种新词检测的形式化描述模型，可以建立特征和新词检测结果之间的统计联系。在此基础上提出的应用统计学习模型作为框架来整合不同类型的可用特征，以充分发挥特征之间的组合作用，进一步改善新词检测效果。实验表明，统计框架方法的性能明显的地域特征的简单叠加，能有效提高新词检测效果，开放实验和封闭实验的F值分别为49.72％和69.83％，达到了目前的更好水平。

基于海量语料的热点新词识别是汉语自动处理领域的一项基础性课题,因要求快速处理大规模语料,且在新词检测中需要更多智力因素,在研究中存在较多困难。构建了一个基于海量语料的网络热点新词识别框架,整合了所提出的基于逐层剪枝算法的重复模式提取,基于统计学习模型的新词检测及基于组合特征的新词词性猜测等3个重要算法,用以提高新词识别的处理能力和识别效果。实验和数据分析表明,该框架能高效可靠地从大规模语料中提取重复模式,构造候选新词集合,并能有效实施新词检测和新词属性识别任务,处理效果达到了目前的较好水平。