跨语言文本主题发现是跨语言文本挖掘领域的重要研究方向，对跨语言文本分析和组织各种文本数据具有较高的应用价值。基于Bagging和跨语言词嵌入改进LDA主题模型，提出跨语言文本主题发现方法BCL-LDA(Bagging,　Cross-lingual　word　embedding　with　LDA),从多语言文本中挖掘关键信息。该方法首先将Bagging集成学习思想与LDA主题模型结合生成混合语言子主题集；然后利用跨语言词嵌入和K-means算法对混合子主题进行聚类分组；最后使用TF-IDF算法对主题词进行过滤排序。汉语-德语、汉语-法语主题发现实验表明，该方法在主题连贯性和多样性方面均表现优异，能够提取出语义更加相关且主题更加连贯多样的双语主题。