文本分析時，有些詞是無法被詞典識別到，比如‘元宇宙’這樣的新詞，以前的詞典並沒有它。因而可結合新詞發現算法提供一些建議，新詞發現具體算法可參考文章“基於信息熵和互信息的新詞提取實現”，或者《互聯網時代的社會語言學：基於SNS的文本數據挖掘》。
新詞發現時涉及到兩個關鍵指標，分別是：信息熵和互信息。信息熵的意義為衡量某詞與其它詞組合一起的容易度，比如‘宇宙’這個詞與‘元’或者‘世界’組合一起變成‘元宇宙’或者‘宇宙世界’的容易度情況。信息熵越大即意味著某詞越容易與其它詞組合在一起形成一個詞語，信息熵越小即意味著某詞越不容易與其它詞組合在一起。
互信息的意義為衡量文本組合的緊密程度，比如‘元’、‘宇宙’這兩個詞組合在一起的緊密程度情況。互信息值越大則意味著該兩個詞（或多個）組合在一起越牢固即越可能是一個新詞，反之互信息值越小則意味著越不可能是新詞。
提示：
結合信息熵和互信息的意義，一般情況下，新詞更加可能為信息熵較高且互信息較高時出現。
信息熵越高意味著詞更容易與其它詞組合成新詞，而且與其它詞組合成新詞的牢固度越高，即意義為‘信息熵’越高，‘互信息’越高時，越有可能是新詞。
但具體情況還需要研究者結合新詞發現和其實際意義進行綜合決擇，並無固定標準。而且通常還需要考慮詞頻情況，當一個‘可能新詞’僅出現幾次甚至更少時，加入新詞的意義就很小。當判定為新詞時，可批量將其加入到新詞詞庫中，重新進行文本分析，以便得到更準備的文本分析結果。
在SPSSAU中，默認輸入信息熵和互信息這兩個指標，如下圖所示：
表格中輸入‘可能新詞’，其對應的詞頻信息，信息熵和互信息，當然如果判斷為新詞，可直接對該詞加入新詞詞庫（也或者移除出去），也可以‘批量加入新詞’，通常是批量加入新詞更加便捷。上表格時，可通過排序按鈕查看可能新詞的具體情況，當然也可以對其進行下載。
除此之外，還可點擊某個‘可能新詞’，查看其具體的詞定位信息，比如點擊‘城市更新’，右側可查看其在文本數據中的具體位置和內容等，如下圖所示：
為了更直觀的查看各個‘可能新詞’，也可點擊‘詞雲’按鈕直觀展示，如下圖所示：
特別提示：
信息熵和互信息的設定標準參考：在實際研究中一般取信息熵為0.5左右，互信息一般為50~200之間即可。
當然研究者可自行定義該兩個指標值的標準，然後重新分析即可。操作如下圖所示：
