语言单元的表示是机器学习的基础工作之一,其旨在便于计算机能够更好地理解自然语言的语言单元。词是文本最基本的语义单元,是理解自然语言的基础。随着深度学习技术的发展,词表示的研究在自然语言处理的领域中发挥不可磨灭的作用。英、汉等语言单元的表示已经取得丰硕成果,并得到广泛应用。与别的语种对比发现,藏文语言单元的表示技术现处于探索和起步阶段,其研究对藏文词法、句法、语义等分析具有重要的理论意义和广泛的应用价值。本文借鉴英、汉文词表示技术,通过分析藏文文本中词汇分布规律和语法特征,从藏文分词中的紧缩格识别、停用词选择和藏文词表示模型优化等三个方面研究了藏文词表示的关键技术。主要工作包括:(1)藏文紧缩格的识别藏文文本分词是藏文词表示的关键技术之一,紧缩格识别是藏文分词中的一个难题,其识别效果对藏文文本分词性能有较大的影响。本文通过分析藏文文本分词的现状及存在的问题,设计了规则和统计相结合的藏文紧缩格识别算法,并验证了该方法的有效性。(2)藏文停用词的选择停用词包含的语义信息较少,对上下文词义表示贡献也小。由于藏文中包含很多停用词,其使用频率很高,影响训练相关的语言模型。停用词选择既是藏语自然语言处理的一项重要技术,更是藏文词表示的关键技术之一。本文通过建立藏文停用词表,设计了藏文停用词识别算法,为优化藏文词表示模型奠定了理论基础。(3)藏文词表示优化模型词表示模型旨在获取词汇序列间的语义信息,如何由上下文揭示目标词的语义是词表示模型的核心。本文通过分析传统词表示技术,改进传统词表示模型,设计了一种由原始文本生成的词表示和剔除停用词生成词表示相结合的藏文词表示模型。通过内部任务评测中的相似性、相关度实验数据中得出,该模型的性能比传统词表示模型有所提升。