海量的程序设计领域文本,存在大量的领域词语。jieba分词用于通用领域,已经取得较好的效果。但是,由于部分程序设计领域词语没有在分词词典中出现,因此,jieba分词用于程序设计领域的分词结果的准确性不高。如果能使用新词检测算法从领域文本中检测出这些领域词语,就可以扩充专业词库,从而提高程序设计领域的中文分词效果。同时,离散化的领域词语通过知识图谱的方式组织起来,可以帮助程序设计的学习者进行更加高效系统的学习。关于新词检测的研究,目前常用的有监督方法需要大量标注数据,而无监督方法往往准确率较低,都难以达到较好的效果。因此,本文针对面向程序设计领域的新词检测算法进行了研究,主要研究工作和成果如下:首先,构建了程序设计解题报告语料库。本文利用网络爬虫技术从博客、社区等网站爬取解题报告,针对本文的新词检测任务进行数据预处理操作,解决目前程序设计领域缺乏文本规范的公开数据集的问题。为推动关于程序设计领域相关任务的研究,本文将解题报告公开。其次,对目前几种较为常用的新词检测算法进行探讨,针对基于统计的方法和基于词向量的方法结果中垃圾词串过多的问题,提出基于统计和词向量相结合的方法,该方法在新词检测的准确率方面得到了一定的提高。实验结果表明,该方法对于一类很少出现在其他领域,却经常在程序设计领域出现的词的检测效果较好,但对于另一类在其他领域也会出现,在程序设计领域有特殊意义的词的检测效果很差。针对第二类领域词,目前的短语质量评估方法（Class Phrase）可以有效检测出来,从而解决了基于统计和词向量相结合的方法的缺陷。不过当标签质量较差时,Class Phrase方法也难以训练出有效的模型。为了提高标签质量,本文提出根据现有的专业词库,使用远程监督的方法生成分类模型训练的标签的方法。实验结果表明,本文的方法取得较好的效果。然后,本文对专业词库、爬虫技术爬取的词语释义及题目的题号等信息加以整理,通过知识图谱的方式将信息组织起来,再将使用新词检测算法检测出的领域新词用于扩充知识图谱,用Neo4j图数据库进行存储。最后,实现了程序设计新词检测及查询系统,针对不同的用户身份设置不同的功能,主要功能包括上传自定义文件实现新词检测和知识图谱的扩充及查询。