楹联是中国传统文化的瑰宝,研究楹联对促进传统文化的传播与发展有着重大的价值,而随着信息技术迅速发展,将计算机技术应用于传统文化领域也成为了研究热点。由于以往关于楹联文本的研究多从鉴赏、基础理论等角度出发,而立足于大量楹联文本,采用计算机技术挖掘楹联文本中蕴含的知识的研究较少,计算机技术的介入,可以克服楹联文本研究需要深厚的文学底蕴和专业知识的局限性,降低研究门槛,促进楹联文化在当代的研究与传播。在此背景下,本文基于从网站上收集和爬取的789858条楹联（41208条具有标签关键词）,提出楹联文本知识挖掘研究模型（CTKDDRM）,主要由3个研究深度由浅至深、研究难度由低至高的模块组成:（1）从字词角度考虑的楹联文本情绪分析;（2）从字词组合的语义表达,即文本内容表达主题角度考虑的楹联主题自动分类研究;（3）既考虑上下联字词对仗、内容相连,还考虑句法、格式、韵律等问题的楹联自动生成研究。在楹联文本情绪分析中,本文主要采用基于扩展情绪词典技术的分析方法,为更全更准确的构建楹联领域情绪词典,提出了动态扩充循环标注分类法（DECTC）对语料候选情绪词进行标注,最终得到包含13603个词的楹联领域情绪词典,然后基于该词典,从楹联全联情绪倾向,和楹联上下联情绪转折两个角度,对楹联进行粗粒度和细粒度的情绪分析,发现楹联表达的情绪是复杂的,虽然大部分楹联表达正向情感,但表达哀伤、憎恶情绪的数量也较多,此外在上下联情绪转折中,多为上联表达负向情感,下联表达正向情感,正如常言的“欲扬先抑”。在楹联主题自动分类研究中,基于标签关键词聚类得到的分类体系,本文选取了5种主题联类进行自动分类研究,首先针对实际情况中联类数量不平衡的问题,设置了不/欠/过采样3种数据处理方式,得到3组数据集,其中过采样采用本文提出的基于EDA修改的EDA-Word2vec文本增强方法,然后构建由3层结构组成的分类改进模型:文本表示层（BERT、ERNIE、BERT-wwm、Ro BERTa）、特征表示层（FC、GRU、CNN）和分类输出层（Softmax）,最终构建了12种分类模型,并以Char2vec作为文本表示的Text CNN作为Baseline模型,在3组数据集上进行实验,比较分析总体准确率和各联类详细分类评价指标可得,基于经过采样处理后的数据集实验可以缩小数据量大与数据量小的联类分类效果之间的鸿沟,采用ERNIE-CNN模型在经过EDA-Word2vec方法过采样后的楹联数据集上,可以得到最佳的分类效果,为95.75%。在楹联自动生成研究中,为了更智能的生成楹联,本文采用深度学习方法实现楹联自动生成,提出Char2vec-Seq2Seq＿Attention、Char2vec-Transformer、BERT-Transformer模型,Char2vec-Transformer在BLEU、ROUGE-1、ROUGE-2、ROUGE-L评价指标上取得相对较佳的结果。通过分析模型自动生成楹联示例,发现模型生成的下联能够满足与上联字数相同、语意节奏一致等基本要求,且对仗较为工整。综上,本文采用计算机技术对楹联文本中蕴含的知识进行了研究,探索计算机技术与传统文化的结合方式,减少人工在相关问题研究中的介入,降低时间和人力成本,并为类似研究提供新的视角。