藏文分词是藏文自然语言处理的基础。在藏文自然语言处理中,主流的分词模型聚焦于深度神经网络。据此,本学位论文研究基于深度神经网络的藏文分词算法,设计并实现藏文分词系统。主要工作总结如下:（1）构建藏文数据集采集藏文语料,对藏文语料进行处理,如去除标签等。使用西藏大学提供的Tibetan数据集构建藏文分词模型,利用分词模型对语料进行预分词。通过校验,得到用于藏文分词任务的数据集。利用simhash对藏文数据集去重,最终得到包含74384条藏文语句的数据集。（2）改进基于长短时记忆（LSTM）网络和条件随机场（CRF）的藏文分词方法提出LSTM和CRF的藏文分词改进模型,应用软注意力机制（Soft Attention）以提升藏文文本序列上下文信息的提取能力,并应用音节扩展方法解决输入语料特征信息弱的问题。实验结果表明,与LSTM和CRF的藏文分词模型相比,基于Soft Attention的LSTM和CRF的藏文分词模型在Tibetan-News数据集上的精确率（Precision）、召回率（Recall）和F1分别提升2.9%、3.5%和3.2%。（3）改进基于Transformer和CRF的藏文分词算法提出基于Transformer的藏文分词模型,并且为了解决对于长序列输入模型训练时间较长的问题,使用核函数改进自注意力机制以降低模型的时间复杂度。实验结果表明,与基于LSTM和CRF的藏文分词模型相比,基于Transformer的藏文分词模型的精确率（Precision）、召回率（Recall）和F1指标在Tibetan-News数据集上分别提升3.4%、3.4%和3.5%。（4）设计实现藏文分词系统基于上述模型,应用软件工程理论设计实现藏文分词系统。主要包括注册、登录、用户信息管理、藏文分词、文件管理等子功能,实现用户输入藏文文本即可得到分词结果的功能。