四大古文字体系之一的甲骨文,是我国历史文化的瑰宝,同时也是世界非物质文化遗产。研究甲骨文对中国历史文化传承有着重要意义。甲骨文发现已过百年,其考释工作取得了很大成就,但是现有的专家人工考释已遇到瓶颈。将人工智能技术引入甲骨文进行交叉研究是一个突破口。然而现有研究大多集中于甲骨文字识别、缀合、语义翻译等方面,对甲骨文考释的研究还不够全面深入,同时还没有一个较为完善的计算机系统辅助甲骨专家进行考释工作。本文采用深度学习方法,从图像和文本两个模态进行甲骨文辅助考释研究,主要创新性工作如下:（1）深度学习需要大数据,但现有甲骨文数据稀少,因此本文在图像和文本两个模态都进行了数据增强。一方面利用其它年代汉字字形数据对甲骨文的图像模态进行数据增强;另一方面,将甲骨字和现代汉字均拆为表意文字描述序列（Ideographic Description Sequence,IDS）,从大规模古汉语数据中学习偏旁部首及构型符的语义,以缓解甲骨文文本数据的稀缺性。以上数据增强方法解决了深度学习模型的可用性。（2）在图像模态上将考释抽象为图像相似性检索问题。针对汉字结构特点,提出了基于Triplet架构和迁移学习的整体与局部特征融合网络。利用金文和甲骨文字形的变换相似性,找出与待考释甲骨文字形相近似的金文及其对应的现代汉字作为候选集,用于辅助释读。对比实验显示本文提出的模型具有较好的效果。（3）在文本模态上将考释抽象为分类问题,利用现代字IDS和甲骨字IDS的语义相似性提出了基于汉字构件（偏旁部首和构型符）的语义模型,且结合偏旁部首的概率变换和多条甲骨上下文信息设计了端到端的考释模型。该模型通过输入甲骨字IDS预测对应的现代汉字及其概率,并通过实验验证了其有效性。最后本文根据上述两个模态的研究,设计了综合考释模型。并搭建甲骨文辅助考释系统,甲骨文专家可通过两个模态得到待考释甲骨文的相似金文图像及现代汉字候选字集,或通过综合模型得到考释候选,用以辅助决策。