随着我国“一带一路”倡议的提出及经济全球化的深入发展,跨语言交流在国家外交与民间经济交流方面的作用日益凸显。文本数据是信息获取的主要方式,也是大数据时代下组织进行管理决策的主要数据来源之一。相对于图像、视频等其它非结构化数据而言,文本具有更为显著的语言差异。为了快速获取瞬息万变的国际信息,支持我国各类组织的国际化战略决策,多语言文本数据的自动分析研究变得越来越重要。为了实现多语言文本的自动分析,本文研究多语言文本挖掘的基础环节——文本分词与词语提取。本文主要的研究内容有三:（1）多语言文本分词方法的综述研究。详细分析中文、日文、英文、俄文等语言文本主要的分词方法、工具及其性能,并比较分析了适用于多种语言文本的多语种分词方法和工具。对各分词方法和工具进行归纳分类之后,比较其实现原理、算法、性能、词典、开发语言和操作系统等。（2）提出一种基于原子词步长法的多语言词语提取方法。该方法采用语言学规则和统计信息相结合的方式,首先利用现成的多语言文本分词方法进行分词与词性标注,并从词性和停用词两方面删除成词度低的原子词;然后以原子词为步长提取所有原子词串并通过子串归并算法过滤结构不完整或独立性差的词串,从而得到质量较高的词语候选集合;最后结合词语单元度和词频分布计算候选词语的成词度,排序输出,确定最终的提词结果。该方法能够有效地提取出低频并有相对完整结构的词语,在一定程度上提高了词语提取的准确率。（3）基于原子词步长法的多语言词语提取方法在联合国平行语料库处理中的应用研究。在中英文语料的应用研究阶段,测试不同K值下子串归并的缩减和误判趋势并进行词语提取结果的对比分析。实验结果表明,相比已有方法,本文方法在中文语料上的准确率和召回率分别提升了4.08%和4.23%,在英文语料上的准确率和召回率分别提升了8.19%和8.91%。综上,本文针对多语言自动分析的基础技术问题,研究多语言文本分词与词语提取方法。对于不同语言的文本,只需利用现成的多语言文本分词方法进行分词,然后采用本文的基于原子词步长法的多语言词语提取方法提词,就可实现文本信息检索和舆情分析等文本挖掘应用。本文方法适合海量文本的自动分析,也支持经过语音识别之后的文本分析。