双关语是幽默研究中的一个重要分支,也是一种语言的修辞手段,在人们的日常交流中具有很强的交互价值。随着人工智能的发展,双关语的计算化也逐步吸引了许多自然语言处理领域学者们的关注。在双关语中,双关词通常使用歧义暗示两个或两个以上的含义(同形双关语)或与另一个词的语音或拼写的相似性(异形双关语),从而在一定的语境中创造了一种幽默效果。因此,在对双关语的计算化理解中,双关词扮演了一个尤为重要的角色。本文基于深度学习机制,对双关词的定位与解释问题进行了研究。双关语定位是在给定的文本中识别出双关语位置的任务,对理解幽默文本有着重要的意义。现有的方法一般采用单独的长序列结构,但这不能很好地捕捉句子中双关词的丰富语义。并且,大多数的双关语定位方法都是基于一种类型的双关语实现的。双关语解释是双关语定位的后续任务,即识别出双关词的两种不同含义。现有的方法通常采用基于词典、基于规则或基于知识的方法,然而这些方法都没有取得很好的效果。基于上述各任务存在的问题与挑战,本文开展了相应的研究,主要创新成果包括:(1)提出了一种用于双关语定位的结合多任务学习的组合语义网络。该方法能同时考虑词与词之间的长距离和近距离语义关系。对于长距离语义关系,我们引入多级嵌入来表示数据的最相关方面。而在短距离语义关系中,我们采用了基于多尺度输入信息自适应选择的复值模型。与此同时,本文还提出了一个新的分类任务用来区分同形双关语和异形双关语。我们引入它作为辅助分支,联合训练原有的双关语定位任务,使得模型能够一起学习不同类型双关语的定位。实验结果表明,我们的模型在同形双关语和异形双关语的数据集上都取得了最佳表现。(2)提出了一种用于双关语解释的结合注释的神经网络模型。为了进一步探索双关语的一词多义性,本文率先将深度学习机制融入双关语的解释研究中,并结合了注释的方法。我们利用双向长短期记忆网络学习双关词的上下文嵌入以及双关词对应的词义集合的注释嵌入。再对双关词的上下文嵌入与其对应的每一个词义的注释嵌入进行相似度计算,并同上下文嵌入一起计算最后的总得分。我们在同形双关语的数据集上进行实验并与现有模型比较,实验结果表明我们在同形双关语数据集上实现了目前最好的结果。