随着大数据时代的来临,海量的信息资源以文本的形式涌入社会生活的方方面面,这些语料都是富含中文新词的矿藏,大量中文新词的出现给文本分词、信息检索、信息组织等工作引入了较多的噪声干扰,所以在大量文本数据中怎样自动地识别出中文新词,同时保证准确率较高,逐渐成为了热点研究。具体来说,对于中文新词的发现是在文本数据中提取未在现有词库中登陆的新词的过程,其是中文NLP领域的一项基础性任务,故拥有相当重要的实践与理论意义。为了对原有的中文新词发现模型进行改进,本文首先设计了改进的左右熵和互信息指标,并且将这两种指标融合在一起,用作对新词的筛选,其次为了进一步提高新词发现的准确率,本文为新词发现核心模型添加了外部增量。本文的主要研究内容,如下所示:（1）统计特征对于新词发现的效果有重要影响,本文基于信息度量理论,设计了改进的左右熵统计特征和改进的互信息统计特征,并且将两种特征融合在一起,构建了新词发现核心模型。与此同时,为了去除无效信息的干扰,本文在计算统计特征前引入了融合分词与分字的预处理步骤。实验结果表明,本文改进的新词发现核心模型相对传统新词发现模型,在图情档测试集上的最大F1值提升约为17%,平均F1值提升约为12%。（2）为了进一步提升新词发现的准确率,本文为新词发现核心模型引入了BERT-CRF命名实体识别和N-gram分词模型,并且融合两种外部增量模型,构建了完整的新词发现模型。实验结果表明,融合外部增量的完整模型,在图情档测试集上的最大F1值提升约为24%,平均F1值提升约为13%;在不同领域测试集上的最大Accuracy值提升约为24%,平均Accuracy值提升约为23%。（3）为了有效地测试中文新词发现模型,针对缺乏公开测试集的问题,本文构建了图情档及其他领域的数据集作为测试数据集。与此同时,本文选择了 PRF作为评价指标,并利用网格搜索法寻找最佳参数组合,最后通过对比实验法设计了主试验及对比实验。综合所有的实验结果,可以验证本文提出的完整新词发现模型具备可行性与有效性,并且表明了该模型具备一定的领域和大规模数据适应能力。