隐喻使语言表达更加生动形象,在人类生活中占据重要的地位。目前,隐喻研究得到了越来越多的关注,理解算法层出不穷,但尚不存在统一的评价标准与自动评价机制。自动评价可以使评价结果更加客观、一致。其它自然语言处理(Natural Language Processing,NLP)领域的自动评价主要是通过处理基准数据集,计算结果与参考答案的语义相似程度来评价系统的性能。但是,隐喻理解的主观性与多角度的特点对设计有限、静态的参考答案造成一定的困难。因此,为了适应隐喻不同于其它NLP领域的特性,亟需研究适用于隐喻理解的动态评价算法。本文从隐喻的认知与语言学特性出发,研究隐喻跨领域结构相似及隐喻理解多角度的特点。根据这些特点,本文用一种新的方式对隐喻表达的理解结果进行动态评价。首先,本文重新定义了中国古代的翻译标准“信、达、雅”,将其作为隐喻理解的评价标准。在评价标准的基础上,本文提出可解释的隐喻理解动态评价模型。最后,本文根据评价模型提出无上下文的名词性及动词性隐喻理解的动态评价方法,该方法分为相关度计算与相似度计算两个层次。针对名词性隐喻表达的理解结果,本文通过语料库计算名词概念与属性之间的谷歌距离作为两者相关度指标,并利用连续文本的语义约束寻找目标域与源域的相似动作,最后构建目标域与源域的相似场景完成对理解结果的评价与解释。针对动词性隐喻表达的理解结果,本文通过语料库计算目标域名词概念与理解结果中的候选动作间的谷歌距离作为两者的相关度指标,并利用WordNet的同义词拓展分析目标域动候选作与源域动作间的相似关系,最后构建目标域与源域的相似场景完成对理解结果的评价与解释。综上所述,本文根据隐喻跨领域结构相似及隐喻理解多角度的特点,定义了隐喻理解的评价标准,提出了可解释的隐喻理解动态评价模型及对应的评价方法。实验结果表明本文提出的方法合理有效,具备与人类相仿的评价能力。