近年来随着在线教育的飞速发展,传统考试有从线下考试转移到线上考试的趋势。在线测评作为在线教育的重要环节,自动评分技术也受到了越来越多关注。客观题自动评分技术已经被大量应用在各种在线教育系统或者自动评分设备上,其在一定程度上提高了教师的阅卷效率。但是,仍然缺乏有效的自动评分技术来解决主观题自动评分问题。随着人工智能科学以及自然语言处理技术的飞速发展,主观题自动评分技术也有了一定进步。目前国内外对主观题自动评分的研究主要通过对考生答案和参考答案进行浅层语义分析来计算两个文本的相似度,从而对该主观题进行判分。虽然这种方法有一定的效果,但是要达到将其应用到在线测评系统中还需进一步提升。本文利用了两种不同的方法进行中文主观题自动评分研究,并在此基础上设计和实现相关的在线测评系统,具体研究内容如下:(1)针对目前中文主观题自动评分算法准确率不高的现状,提出了一种基于Word Embedding的中文主观题自动评分算法。该算法通过分析和研究英文的语句相似度算法,提取出其中对语句序列化的过程,并分析了中文主观题自动评分的特性,做了相应的改进,结合自动评分公式使之能在中文主观题自动评分任务上有较好的表现。经过实验证明,该方法相比于传统的中文主观题自动评分方法有明显的提升。但是,通过对基于Word Embedding的中文主观题自动评分算法进行实验研究发现,基于Word Embedding的方法对于多义词的识别存在着明显不足。(2)为了弥补基于Word Embedding方法存在的不足,提出了一种基于BERT预训练模型的中文主观题自动评分算法。该算法将预训练模型用于中文主观题自动评分任务,通过对模型进行预训练和微调,词语的序列化表示会随着上下文的不同而进行调整。因此,对于多义词,在不同的语境中对应不同的语义,该词对应的数值序列也随之改变,从而解决了 Word Embedding存在的问题。在本文实验环境下,基于BERT模型得分中文主观题自动评分算法在准确率上要明显好于基于Word Embedding的中文主观题自动评分算法。(3)在中文主观题自动评分算法的基础上,本文设计和实现了功能完善的在线测评系统,验证了系统的实用性和有效性。在系统运行的同时,实现了中文主观题数据的收集功能,对中文主观题数据集的完善和补充做出的贡献。本文最后对提出的算法进行总结,指出算法存在的不足,并对未来对该算法的改进进行了展望。