幽默是日常生活中普遍而又重要的一种现象,它可以调节心情,活跃气氛,促进交流。可以说幽默是人类智慧的结晶。幽默本质上是一种情感,但其产生原因和表达方式相对一般的显式情感要更复杂,属于隐式情感。近年来,互联网飞速发展,人们在微博以及论坛等社交媒体分享了大量的幽默文本,同时机器学习和深度学习等技术在显式情感分析领域取得了令人瞩目的效果,这两个因素推动了幽默计算研究的发展。幽默计算旨在对幽默进行识别和生成,以帮助计算机更好地理解幽默,它在学术领域和工业领域都具有非常重要的价值和意义。本文重点研究幽默识别,同时对幽默生成进行探索。首先,本文提出了一种新的幽默等级识别方法。传统的幽默识别任务旨在区分幽默和非幽默文本,它将幽默看作一种二值特征。最新的研究指出幽默具有连续的特性,不同幽默文本其幽默程度不同,可以对它们的幽默程度划分等级并做识别。针对幽默等级识别任务,本文提出了一种多粒度语义交互理解网络,从单词和子句两个级别对幽默文本中“铺垫”和“笑点”两个部分的语义信息进行交互和理解,从而对文本的幽默等级进行预测。本文在公开幽默数据集上进行实验,证实了建模幽默内部铺垫和笑点的语义关系能够有效提升模型识别幽默等级的性能。其次,本文提出了一种融合特征的中文幽默分类方法。本文研究中文幽默的分类,包括中文幽默的等级识别以及中文幽默的类型划分两个任务,前者以文本的幽默程度为分类依据,后者以文本所蕴含幽默的成因为分类依据。本文挖掘了中文幽默特有的语音、语义、语法和文体风格四类特征,并提出了一种融合语言学特征的注意力网络。实验表明本文提出方法在两个任务上均取得了当前最优结果,证明了加入语言学特征可以明显提升模型在中文幽默分类任务上的性能。最后,本文提出了一种幽默文本生成框架。已有的幽默生成研究主要基于风格转换和文本续写两种思路,本文结合两者提出了一种多策略融合的幽默生成框架。该框架由局部编辑、笑点生成、笑点选择三个模块组成。局部编辑模块通过单词替换生成铺垫;笑点生成模块使用条件生成和启发检索两种方式得到铺垫对应的笑点候选集;笑点选择模块提出了幽默等级识别和语义关系检测两种方案以从候选集中选择最优笑点。此外,本文针对幽默生成任务,提出了幽默度、新颖性、流畅度三个人工评价指标。实验证明,本文提出的幽默生成框架在三个评分指标上可以取得接近人工生成幽默的效果。