自然语言处理是人工智能最热门的研究方向之一。在新疆针对维吾尔语的自然语言处理研究工作已开展了很多年，维吾尔语的形态分析是一个基础关键性的研究课题，它类似于中文信息处理中的“分词”任务，是各类自然语言处理任务的基础，直接影响着维吾尔语的信息检索、文本分类及语音识别等应用软件系统的效率和成败。语言模型也是自然语言处理研究工作的基础，它的任务就是在给定一个词序列的情况下，对这个序列出现的概率进行估计，在词性标注、机器翻译等任务中发挥着重大的作用。本文针对这两个基础性的工作进行了融合研究，首先研究了维吾尔语的形态分析，进行词切分，提高准确率。其次，进一步将切分好的词素（词干+词缀），输入已构建好的神经网络语言模型，来提升语言模型的性能。在前人研究的基础上，本文的研究工作及创新点主要体现在以下三个方面：1.从维吾尔语的形态分析入手，以提高词切分准确率为目标，先是研究了一种机器翻译模型，把切分前的维吾尔词语看作源端，把切分后的词素或词性标注看作是目标端，词切分准确率达到了82.42%。2.为了进一步提高词切分准确率，提出了维吾尔语形态分析的图状建模方法，不仅考虑了词语内部形态成分之间的关联性，还考虑了相邻词语的形态成分之间的关联约束，进一步提高词切分准确率达到95.67%。3.构建基于维吾尔语形态分析的循环神经网络语言模型，将切分好的词干、词缀看作词素与词一起，通过Word2vect生成词向量和词素向量，输入神经网络语言模型，提高语言模型的能力。本文中提出的方法还可以运用到其他黏着语（比如哈萨克语），后续还可以将注意力机制引入到语言模型中，利用注意力机制挖掘维吾尔语句子中的历史词与当前词的关系；或者针对维吾尔语词内结构特性，研究算法自动深入地学习维吾尔语的构词规律，设计适合的卷积神经网络结构，挖掘词干词缀之间的局部相关信息，进一步加强维吾尔语神经网络语言模型。