自然语言生成是自然语言处理的重要研究领域之一。中文古诗自动生成方法的研究始于上世纪末,并因其丰富的研究价值,近年来逐渐成为自然语言生成领域的研究热点之一。同样,藏文律诗具有修辞丰富、喜用词藻、形式规范、语言华丽、韵律动听等特征,并在当代藏文教学中,同藏文文法一样,被列为必修基础课之一,从而成为研究藏语自然语言生成方法的理想切入点。在理论研究方面,该任务有助于探索人类写作过程转化为可计算的自动创造过程,同时对其他生成任务具有参考价值和启发意义;在应用价值方面,该任务在智能教育、文学研究、辅助作诗等方面有着广泛的应用场景。目前,藏文律诗自动生成研究尚处于起步阶段,现有方法生成的诗作存在上下文不连贯、主题飘逸、趋于雷同等问题。针对上述不足,该文的主要研究内容和贡献如下:1.从藏文电子书籍及网页中共收集、整理了含有46.55亿字符的藏文文本语料,其主题包括文学、自传、诗歌、格言、散文和新闻等。然后通过藏文律诗抽取算法获取了131.3万首律诗,并对每一首藏文律诗随机抽取1到4个关键词,为训练生成模型提供数据支撑。2.在基于端到端的生成模型基础上提出三种不同的生成方式,分别是逐行生成方式、半首生成方式和整首生成方式。与由多个模块组合的基线模型相比,虽然该方法中仅用一个生成模块,并且由该模型完成生成一首完整的藏文律诗,但是会降低模型之间的错误积累问题。通过从语言建模能力和生成结果多样性方面评测表明,该方法有效提升藏文律诗的生成质量和上下文连贯性。3.提出一种结合文本数据增强方法的藏文预训练语言模型。在藏文文本增强方法中,将采用基于音节混淆子集和基于上下文的增强方法,并以此取代音节（词）被随机替换或用特殊符号替换的数据增强方法。与这种随机增强方法相比,该方法不仅能降低特殊符号的使用率,而且增强的句子具有更强的逼真性,即更接近真实文本中出现过的音节误用、语法错误以及语义差错的句子。该模型在藏文文本分类和命名实体识别等五个下游任务中均取得显著效果。4.提出一种基于预训练及控制码法的藏文律诗生成方法。在藏文预训练语言模型上进行微调后生成质量显著提升,引入控制码法后在很大程度上确保了扣题程度,并且关键词在生成诗作中的平均覆盖率居高。此外,在生成诗作中不仅提高词汇的丰富性,而且生成结果的多样化方面也明显提升。经测试表明,基于预训练及控制码法的生成方法显著优于已有的方法。