现实生活中，人们常常碰到各种决策问题.由于决策问题的复杂性，人们在对事物进行描述时更喜欢用定性的语言信息来表达自己的偏好.因此，语言型决策问题的研究受到广泛的关注.在语言型多属性群决策中，处理语言信息的方法主要有:基于扩展原理的相似模型，有序语言运算模型，二元语义运算模型等等.其中，基于扩展原理的模糊运算会增加结果的模糊性，可能会造成语言信息的丢失或扭曲.在有序语言运算模型处理语言信息过程中，由于语言评估集之前定义是离散的，通过语言信息的集结，要获得初始语言评价信息就变得非常困难.二元语义模型的使用，虽然精度优于其他算法，但当语言标度不等距时，可能对应不到原来的转换数.为了克服以上方法的不足，本文以多属性群决策作为研究背景，提出了一种新的语言信息集结算子，该集结算子保证了集结结果仍然在原来的语言评价集里面，也保证了语言信息计算的精度，而且不会出现反直觉问题.本文的主要研究内容归纳如下:　　提出了一种新的定性算子来处理语言信息的多属性群决策问题.首先，定义了两个语言术语的距离测度，基于这样的距离测度，提出了一种新的定性算子并且研究了这种算子的性质.又考虑到新算子在集结语言信息时，有可能导致信息的丢失，本文提出了一种二元关系.这种二元关系既包括语言形式的集结结果，又包括一个数值形式的支撑序.处理语言信息的多属性群决策问题，在专家权重都未给出的情况下，本文根据距离或差异越小，专家之间的相似度越大，所被赋予的权重应该越大.可以直接定义两个决策偏好矩阵的相似度，进而获得专家权重.考虑到这种定义权重的方法过于笼统，本文给出了一种新的求专家权重的方法.运用新的定性算子，求出群的一致意见，进而多属性群决策的问题转化为多属性决策的问题.在属性权重都未给出的情况下，本文根据属性的差异度越大，该属性在排序中起到的作用越大，因此该属性越重要.根据数值支撑序和属性的权重，本文可以对群的一致意见的方案得分进行排序，并找出最优方案.最后给出了三种求专家相似度及其权重的方法，并给出了具体的实例，证明新算子的有效性.