隐喻是一种常见的修辞方式,可以增强语言的渲染能力,提升感官体验,促进说者与听者的共鸣。除了修辞层面上的功能,隐喻更是人类的一种认知手段和思维方式,是人类概念系统塑造的基础。认知和修辞上的功能使得隐喻活跃于各类自然语言交流场景中,同时大量隐晦含蓄的隐喻表达也成为了自然语言处理任务必须直面的一个难点。隐喻计算包括隐喻识别与隐喻理解两大模块。隐喻识别旨在对语料中的隐喻表达加以区分,供后续的隐喻理解模块处理;隐喻理解则力求将隐喻文本转换为对机器处理更友好的等价表述,减少或消除隐喻歧义和矛盾语义带来的不确定性,帮助机器理解隐喻。然而,前人的工作大多单独面向隐喻识别或理解的其中一项进行,两个本应具有承接性的模块在相关研究中通常是割裂的。本文分析了当前一体化系统难以实现的原因,并分别构造适用于一体化系统的隐喻识别与理解模型,达成识别与理解两大模块的衔接,实现隐喻计算的一体化。在隐喻识别模型构建中,本文认为传统的文本二分类隐喻识别模式仅能标注出某个句子或短语是否包含了隐喻用法,不能深入到词语层面进行识别,无法为理解模块提供足够支持。因此本文提出将隐喻识别视为序列标注任务,基于预训练语言模型进行粒度更细的词语级别隐喻识别,通过标注出句子中具有隐喻倾向的词语,为后续的理解提供支持。在隐喻理解模型构建中,本文对隐喻研究中的经典互动论和隐喻合作机制进行了扩展,提出“潜在合作”的构想,基于合作机制对隐喻词、隐喻释义和上下文进行建模。模型通过建立语义域间的潜在关联,选取使潜在合作意愿最强的释义作为隐喻理解的结果,具有较好的可解释性。综上所述,本文设计了适用于一体化系统的机器自动隐喻识别与理解模型,并基于此进行一体化的实现,填补了该方面研究的匮乏。实验证明本文的模型能科学有效地承担隐喻计算的任务,为今后隐喻相关研究提供了新思路。