幽默是人类独有的一种隐式情感,在人们日常生活中具有缓解紧张、活跃气氛、促进和谐交流的重要作用。幽默计算旨在使计算机具有识别和生成幽默的能力,提高人机对话系统的智能程度,具有广阔的应用前景。社交网络大量用户言论为幽默计算提供数据支持,大数据云计算的快速发展为幽默计算提供技术支持。幽默计算涵盖了幽默识别和幽默生成两个方向。幽默识别是幽默生成的重要基础,本文的研究对象为幽默识别。第一,本文提出一种新的幽默文本判定方法。幽默的笑点通常围绕话语背景和外部常识所构建,大多数研究基于数据驱动策略构建幽默识别模型,无法学习语料库之外的先验知识。因此,本文结合先验知识和深度学习的高层抽象能力,提出了一种融合知识源和分布式语义表示的幽默识别方法。其基本思想是基于外部常识库和大规模预训练语言模型获得文本嵌入,引入先验知识和文本通用表示;使用双向长短期记忆网络学习上下文语义交互和长期依赖关系;利用自注意力网络学习不同词汇的贡献度,挖掘引起幽默的关键元素和成因;将注意力加权后的特征与浅层幽默特征相结合,输入至幽默识别预测层进行分类。该方法在公开数据集上的实验结果表明,知识源和分布式表示的融合及循环神经网络与自注意力网络的结合能够有效提高幽默识别的效果。第二,本文提出了一种基于多任务学习的幽默程度识别与情感分析方法。传统研究忽视了幽默与情感之间的关联性,将幽默识别和情感分析建模成两个单独的任务。因此,本文将幽默识别与情感分析看作两个相关性任务进行联合建模。每个任务使用私有网络进行私有特征建模,即分别学习幽默特征和情感特征;采用层次注意力网络学习单个任务的语句内部关系和不同任务之间的特征交互关系;设置参数共享层进行幽默与情感特征融合;最后,结合私有特征和融合特征进行幽默程度分类和情感分类。该方法的实验结果表明,以多任务学习方式在幽默识别中引入情感特征可以有效提升幽默识别的效果。