在日常表达中,我们使用隐喻表达抽象的认知体验或者传达审美感受。同时,我们的认知思维机制和概念系统是建立在隐喻之上。因此,隐喻机制的计算实现是自然语言处理任务中必不可少的一环。隐喻计算旨在发掘和表征语言中普适存在的隐喻机制,一般包含如下两个方面的内容:一是识别语料中的隐喻表达,与非隐喻表达进行区分;二是描述隐喻的表述意义,实现隐喻意义的有效理解。本文基于隐喻的认知与语言学特性,运用相关计算模型,解决汉语中句子级别的隐喻识别和理解问题。在隐喻识别任务中,我们旨在判断某一个句子是否具是隐喻表达。当前,多数模型运用深度学习网络实现了隐喻识别,但是对识别中的注意力机制探讨较少。考虑到识别计算与抽象度等语义特征密不可分,我们认为抽象度等语义特征能帮助机器抓取句子中对识别任务更为关键的信息,从而更好地判断句子是否为隐喻表达。因此本文构建一个基于抽象度的具有注意力机制的神经网络模型。根据概念隐喻理论,我们选取句子中具有最高抽象度的词语作为该句子的注意词,构建双向长短期记忆神经网络模型及句子的位置特征向量,从而表征句子的加权特征,并搭建多层注意力机制来抽取句子的关键信息,最后判断输入的文本是否为隐喻表达。在隐喻理解任务中,本文基于隐喻的互动理论,提出合作网模型,用于表征隐喻中各个概念间的双向语义关系。我们认为目标域和源域通过合作的机制实现“求同存异”,进而动态构建二者的语义关系,输出适应于上下文信息的表述意义。我们提取源域的属性知识,计算属性与隐喻中各个词语及目标域属性集的合作强度,最后,选择具有最高合作强度的属性作为隐喻理解的结果。综上所述,本文利用抽象度语义特征构建注意力机制,实现汉语句子隐喻识别,并基于互动理论提出了合作网实现隐喻理解。实验结果表明我们的两个计算模型合理有效,为汉语隐喻计算研究提供了思路。