以下是论文概要：我们解决了在给出一对同音词（例如，「死亡」和「染色」）的情况下产生双关语句的问题。由于缺乏大量的双关语，监督式文本生成则并不适用于此类场景，即使存在如此的语料库，模仿也与生成新颖内容也会截然不同。在本文中，我们提出了一种无监督的惩罚生成方法，使用无文本语料库和我们称之为局部全局的原则：在双关语句中，双关语词之间存在强烈关联（例如，「染色「）和南辕北辙的语境，以及替代词（例如，」死亡「）和直接语境之间的强烈关联。这种对比能够使人意外，从而觉得幽默。我们以两种方式实例化这种用于双关语生成的原则：（i）作为基于语言模型下的概率比率的度量，以及（ii）基于 skip-gram 模型建议的单词的检索和编辑方法。人类评估表明，我们的检索和编辑方法在 31％的时间内成功地生成了双关语，使神经生成基线的成功率增加了三倍。