藏语历史发展悠久且应用广泛,是藏族人民日常生活中的主要语言,是保持民族团结和促进藏区经济发展的重要纽带。小学藏语文是藏族地区义务教育的重要课程,而藏语文阅读是小学藏语文教学的重要组成部分,通过藏语文阅读教学,可以让学生对藏族历史有更深的理解,对传承藏语言文化和科学保护藏语具有重要的价值。目前,藏语教学在师资力量、基础资料、题库储备等方面相对薄弱,相比汉语文教学,藏语文阅读材料相对不足。此外,藏语地区教师资源并不充足,造成藏语文阅读题库更新速度慢、阅读题库构建成本高、材料可选择面较窄等问题。随着人工智能技术的发展,利用计算机技术辅助藏语言教学,通过选取更大规模、更广泛的阅读材料,同时利用自然语言处理技术自动生成适合小学藏语文阅读的问题库,可以一定程度上实现小学藏语文教育的现代化。本文通过自然语言处理和信息技术,实现了小学藏语文阅读材料的扩充以及小学藏语文阅读题目自动生成系统的构建,主要工作如下:1、针对小学藏语文阅读材料不足的问题,本文利用信息检索和OCR技术获得了四川民族出版社发行的《藏语文》教材语料,爬取了云藏网站的百科语料,通过构建基于BERT预训练模型的藏语文本分类器,实现了小学藏语文阅读材料的扩充。本文将271篇阅读材料扩充到4,261篇,构建了小学藏语文阅读语料库,并对外公开（https://github.com/andongBlue/Primary-School-Tibetan-QA-Data）。其中,基于预训练模型的分类器,采用自注意力和Softmax技术,训练得到藏语文本分类器模型,对小学藏语文阅读文本的分类结果可达到97%的准确率。2、针对藏族地区教师资源不足,藏语文阅读题库构建成本高、更新速度慢等问题,本文在构建的小学藏语文阅读语料库的基础上,通过众包方式构建了小学藏语文问题-答案数据集（5,348条问答对）,以此作为问答自动生成的训练语料库,将Transformer作为生成模型的基础架构,实现了基于阅读材料的问题自动生成。训练方面,在多次试验中选择训练20轮次,最终获得小学藏语文阅读问题生成模型。在BLUE-2和ROUGE-L评价指标下,实验结果分别为25.11和35.56,此结果超过了使用端到端网络的传统方法。3、搭建了小学藏语文阅读问题生成服务系统。为了更好的服务教师,降低教师的使用门槛,解决教师使用便利性以及效率的问题,本文将训练得到的问题生成模型部署到网络服务器中,并且通过网页的形式搭建系统。在系统搭建过程中,使用Python作为编程语言,用Django作为系统的框架,选择阿里云作为服务器。教师可以通过互联网访问系统,将藏语阅读材料和相关答案输入在系统中,通过模型的计算获得新生成的问题。搭建的系统通过了功能和性能测试,具有一定的稳定性。