距今3000多年的甲骨文字是中国目前所了解到最早的成熟文字体系,考释甲骨文字对探究汉字形成以及汉字演变过程有着重要的价值,也是认识中华古代文明的窗口。在甲骨学领域,甲骨文的考释一直是一项任重而道远的工作。经过一代又一代研究学者们持之以恒的努力,已成功识别出来约1/3的甲骨文字。截止到目前仍然有约2/3的甲骨文未知其语义,由于文字断代的原因,考释工作进展艰难。同时,传统的考释方法（如因袭比对法）,研究者需要将未识的甲骨文字与已识的金文、篆书、隶书等古文字进行比较,从而识别未知的甲骨文字。传统的考释方法虽然精确度较高,但需要专业的学者且具有很深的造诣,导致进展缓慢。利用人工智能技术辅助甲骨文的考释研究,是提高甲骨文考释精度和效率的方法。随着甲骨学研究的发展,甲骨文本身数据也在逐步积累,充分利用甲骨文大数据信息将机器学习技术和传统的文字考释方法相结合,可以帮助研究者提高甲骨文考释的研究效率。基于以上的研究背景,本文主要以孪生网络和从甲骨文到楷书文字演化为基础,针对甲骨文字展开相关研究,主要包括两部分内容:论文第一部分主要包括两方面的研究内容。一是构建文字演化数据集。我们建立了一个包含甲骨文、金文、篆书、隶书、楷书五个时期的汉字图片数据集。每个汉字的演化为一组,共包含972组,4860张样本。在图像预处理方面,首先利用加权平均法进行灰度化处理。其次是分别采用水平翻转、旋转、平移、扭曲失真这四种图像几何变换方法,并利用双线性插值法将图片大小统一成105×105像素,以满足人工智能技术进行甲骨文考释的要求。二是提出了一种自适应文字演化小样本预处理方法,即自适应滤波器Adafilter算法。我们在算法中引入局部图像基分解算法和黑盒优化算法。通过计算数据集的局部图像基,并将这些局部图像基与优化系数的线性组合,将预处理滤波器的优化问题转化为低维优化问题。我们的实验表明,Adafilter滤波器最大限度地提高了作为预处理滤波器的预期泛化性能。论文的第二部分对文字的5个发展过程中的演化规律做了研究。首先,我们提出了VGG-Siam文字演化网络模型。该网络模型在VGG16和孪生网络的基础上做了三方面优化。主要表现在如下三个方面:（1）我们基于卷积层定义了文字演化的数量和字形序列的长度以提高学习特征的识别能力。在文字演化数据集中依靠不同的结构学习特征向量,以实现对甲骨文到楷书这段时期的汉字演化规律。（2）我们利用文字演化数据集的离散属性,定义文字演化距离公式。（3）我们将问题转化为二分类问题,定义文字演化损失函数可以避免在进行梯度下降计算的时候出现梯度弥散。我们的研究结果表明VGG-Siam模型有着高F1值优于普通的孪生网络模型。在此基础上,我们对汉字整体演变规律的影响进行了较为系统的研究。首先对相邻的文字演化时期之间的文字进行分析,在预测过程中,甲骨文字到金文的准确率为79.25%,金文到篆书的准确率为75.24%,篆书到隶书的准确率仅为41.53%。而从隶书到楷书的准确率为80.13%。隶书到楷书的准确率最高,篆书到隶书的准确率最低。其次我们对汉字的整个演化时期的四大规律简化、繁化、同形异义和讹变进行分析,在整个文字演化预测过程中,讹变在整个文字演化的相似度最低。本文的研究结果可为计算机技术破译甲骨字的语义提供重要的研究思路和数据支持。