本文研究自然语言理解中的组合类中文新词识别，通过识别新词，使分词结果更加合理准确，结合自然语言理解系统的后续处理，最终通过对以自然语言形式表达的用户需求进行理解和分析，将分析结果转化成概念设计要求或设计参数，为后续设计提供支持。本文首先分析了自然语言理解中几种常用的知识表示方法，阐述了概念从属理论在知识内涵和外延描述中的作用，以及自然语言理解研究中的统计模型，以此作为分析组合类中文新词识别的理论基础。其次，以语言学知识为理论依据，分析组合类中文新词的构词模式，明确了分类标准，将组合类中文新词分为三类：“单字串类型”、“后缀串类型”和“其他类型”；并通过字词禁用表、词性搭配禁用表、词缀表对候选词串进行筛选；同时，借助概念从属树模型，分析新词构成元素间的概念关联关系；然后收集候选词串的上下文信息，通过统计语言模型，分析组合元素的内部紧密程度和上下文依赖程度，采用内部词概率、互信息和左右信息熵作为统计方法识别新词的标准；总体上采用规则和统计相结合的方法进行组合类中文新词的识别。最后设计了组合类中文新词识别的整体流程，并通过机械设计实例，将组合类中文新词识别的分析模型应用在产品设计领域自然语言理解中。