阅卷作为考试选拔人才过程中的一环,承载着确保结果准确公正的重要责任。即便如今对阅卷过程的客观公正性要求正在逐步提高,当今主流的网上阅卷方式在主观题阅卷上因为不得不使用人工阅卷方式,仍然存在一定的主观差异性。英语科目上作文的自动评分已具有许多成熟可用的实现方法,而作文外书写类题型的自动评分鲜有关注,现有的少量针对这类题型的自动评分系统主要存在题型涵盖不全、需要过多人工介入等问题。近年来发展迅速、应用广泛的机器学习能够从数据中学习和提炼其发展规律,在相应背景下做出预测与判断,而英语非作文书写类题型具有评分相关特征点多样且可量化的特点,存在自动评分的可行性。因此,基于机器学习进行相关题型自动评分系统的设计与实现,以期提高英语试卷评分的公正性、准确性及效率。首先对各类升学考试中英语非作文书写类题型进行总结梳理,分析填空、改错、英译汉、短文本简答四类题型的人工评分标准,其中填空与改错标准答案固定,将考生作答与标准答案进行比对可得出分数,而英译汉与简答题由于作答自由度更高、答案仅具有参考性,从基本特征、形式特征和语义特征三个方面设计了评分特征点,构成评分特征集,给出了各评分特征点的提取算法并证明了所构建特征集的有效性。其次基于构建的特征集,使用所收集的评分数据集在多元线性回归、支持向量回归、极度随机树及多层感知机四类机器学习代表性模型上进行英译汉与短文本简答的评分训练与测试,综合考虑评分效果与效率,选择多元线性回归与极度随机树分别构建了两类题型的评分模型,通过实验验证了评分模型的可用性。根据英语非作文书写类题型的实际阅卷流程和阅卷需求,基于构建的评分模型,设计并实现了一个完整的英语非作文书写类题型自动评分系统,系统测试结果表明该系统已初步具备基本的相应题型自动评分功能,达到各类英语考试的阅卷需求。