幽默是人们一种特有的沟通方式,是人类的智力、创造力以及审美力的综合表现。幽默的创作与表达多是借助于人类语言完成的。近年来,幽默计算得到了很多研究者广泛的关注。广义的幽默包括狭义的幽默（有趣或可笑的表达）以及讽刺,讽刺常用于表达轻蔑或嘲笑,与幽默理论中优越论相切合。本文通过基于语义理解的幽默识别以及基于情感语义的讽刺识别两部分对广义的幽默识别进行研究。幽默与心理学密切相关,如何将幽默识别应用在心理状态评估中也是幽默研究的关键问题之一。本文围绕幽默识别这一研究任务,从幽默识别、讽刺识别以及幽默应用三个任务展开了研究。（1）针对目前的基于深度学习的幽默识别方法忽略了语言学特征和幽默潜在语义信息的问题,本文从两个角度对幽默识别工作进行改进。一方面,首先考虑到幽默通常是由于语音、词汇及句法产生的,所以本文提出了一种基于幽默的语音、词汇以及句法的方法,捕捉语句中的歧义性和模糊性,进行幽默识别工作。另一方面,为了获取幽默潜在的语义信息,且考虑幽默与双关语之间存在一定的内在联系,本文通过一个多任务学习框架用于幽默识别和双关语识别工作。实验结果表明了本文提出的方法可以提高幽默识别结果。（2）针对现有的基于深度学习的讽刺识别工作中忽略了语境中情感与情境的对比的问题,本文首先提出了一种基于多层级的情感语义记忆网络来捕捉讽刺中情感与情境的对比特征。在该模型中,使用第一级记忆网络捕获情感语义信息,使用第二级记忆网络捕获情感语义与句子情境的对比。在此基础上,本文进一步结合讽刺的语言学产生机制,提出了一种基于上下文的多视角注意力网络用于讽刺识别工作。该模型通过两个视角分别提出了两个单元进行讽刺识别工作,包括对比理解单元以及上下文理解单元。实验结果表明,本文方法可以提高讽刺识别结果。（3）针对抑郁症患者在表达中更容易使用讽刺型幽默以及负向情绪表达自己观点的这一特点,重点探索幽默识别在心理健康评估上的应用。本文提出了一种基于讽刺型幽默的抑郁症检测算法。从广义幽默中的讽刺认知出发,提出了一个基于情绪的深度学习模型用于抑郁症检测任务。一方面,通过语义理解网络获取到文本的下文语义信息;另一方面,通过情绪理解网络学习抑郁症患者内心真实的情绪信息,包括更容易使用讽刺型幽默以及负向情绪等特点。最后,通过上下文的语境和情绪信息来共同的给出最终的分类结果。实验结果验证了通过本文提出的方法可以提高抑郁症检测的结果。