随着人工智能、互联网技术的应用,网络教育实现飞跃发展。目前,网络教育考试系统中对于选择题、填空题等客观问题可以做到准确的自动评分,但是对于主观题的评分仍然只能由教师进行人工评分。随着网络教育考试的规模不断扩大,教师阅卷负担越来越重,这不利于网络教育教学的发展。因此,研究主观题自动评分的相关技术具有十分重要的意义。文本相似度计算是主观题自动评分中的关键技术,本文对几种适合于主观题自动评分的相似度算法进行研究和改进,最后通过对比实验将准确率最高的一个算法应用到主观题自动评分系统中。实验中使用的数据集主要来源于西南大学网络教育学院软件工程课程期末考试的简答题。本文的主要研究内容如下:1.针对用平均加权词向量（Word2Vec Average,WA）表示文本向量的不足进行改进,在WA方法基础上加入文本的词性特征（Part of speech）和文本长度（Length）特征得到WA-PL算法。实验结果表明,改进后的WA-PL算法比原始WA算法的平均绝对误差更低。2.为了更高效的获取文本语义信息,在WA-PL算法的基础上增加TF-IDF或Text Rank关键词提取得到TF-WA-PL和TR-WA-PL算法。通过实验测试表明,TF-WA-PL和TR-WA-PL算法都比WA-PL的准确率高,其中TR-WA-PL要比TF-WA-PL准确率更高,这说明Text Rank提取的关键词比TF-IDF更能代表文本语义。3.本文还对SIF（Smooth Inverse Frequency）算法进行研究,该算法是将文本中词语的向量以逆平滑频率加权再平均,然后减去其第一个主成分的投影即可得到文本的向量。本文将基于SIF方法得到的学生答案文本向量和标准答案文本向量进行余弦相似度计算,并和句长相似度加权结合得到SIF-WL（SIF-Word2Vec Length）算法。通过实验测试表明,该算法在实验中的平均绝对误差和均方根误差最小,准确率最高,而且该算法的评分结果和人工评分最接近,这说明通过该算法得到文本向量能更准确的表达文本语义。所以选择将SIF-WL算法应用到本文后续的主观题自动评分系统中。除了对算法研究之外,本文还开发了一套基于SIF-WL算法的主观题自动评分系统。该系统的用户角色为教师和学生,教师的功能主要包括题库管理、试卷管理、考试管理、试卷评分、班级管理。学生的功能主要包括参加考试、查看考试成绩、查看试题答案。当学生考试完成后,教师使用自动评分功能对全部试题进行自动评分,评分方法是SIF-WL算法和抄袭检测算法相结合的形式。如果发现学生抄袭,则在SIF-WL算法得分的基础上减去一定分数。若自动评分算法不恰当,教师可对评分结果进行修正。最后,通过系统测试表明该系统在指定科目上具有良好的评分效果,这为以后的相关研究提供了一定参考价值。