隐喻是通过将具体的、熟悉的、简单的概念映射到抽象的、不熟悉的、复杂的概念来认识抽新概念。隐喻是从一个特定的域向一个抽象的域映射的结果。隐喻有助于我们了解语言的自然面貌和人类普遍的思维方式。隐喻过程即是从本体向喻体的映射,在认知语言学上称映射域。“我们把隐喻映射理解为一组约束条件,这组约束条件约定哪些知识有资格进行映射。这些约束条件不仅有助于避免将任何一种特征进行映射,也有助于刺激可能存在的对应范围”。通过这些相互映射,我们就可以将本无关系的某种具体的甲事物与某种抽象的乙事物之间建立联系,这样也就有助于我们更好地理解抽象事物乙。本文通过对隐喻映射和作为映射的核心(相似)的理论研究,指出映射作为隐喻研究的核心对于揭开隐喻的认知能力具有重大意义,为探索隐喻的映射机制和机器实现提供一些科学的指导与建议。本文分析了当前隐喻映射的研究热点,刻画隐喻映射的工作机制,在总结已有隐喻映射研究成果的基础上,指出隐喻映射计算化研究需要解决的关键问题。就隐喻映射的相似性基础、映射的机器实现等方面进行重点讨论。在隐喻映射方面,许多模型忽略了语义相似度的计算,而相似度和语义冲突在隐喻研究中是不容忽视的特征。作为隐喻的标识和特征,隐喻正是透过这一语义冲突来发现矛盾双方。本文对相似进行全面阐述,从相似的定义出发,指出相似是我们认识世界的根本,并且从哲学上对相似进行描述,进而介绍已有的相似计算方法,提出我们自己的相似度计算方法。在相似度计算方面,我们融合已有的汉语词典的语义资源,从不同角度对概念的相似度进行计算,充分发挥每个资源的优势。实验结果证明了这种方法在概念相似度计算上具有比单一资源更好的效果,显示出对概念的相似计算的有效性。在隐喻映射机器实现方面,根据构成隐喻的本体和喻体具有的相似性,提出了基于二分图的隐喻映射实现机制。根据隐喻结构理论,隐喻映射首先表现为静态匹配,即相似关系,隐喻利用在源域中显著性较高的词来凸显在目标域中显著程度较低的词。投射不仅是词语间的相互借鉴使用,而且也能突显目标域中的概念。基于此,本文提出了基于相似隐喻映射发现机制,充分利用二分图的优势,最终实现隐喻映射。综上所述,本文的研究给出了基于多种中文语义词典的相似度计算方法,探讨了隐喻映射的机器实现机制,在隐喻映射的研究道路上作出了试探性的探索,为隐喻研究及自然语言处理提供相关支持。