英语学习者问答型口语语音评测一直是口语自动评分领域中的一个难点,主要有两个方面的原因:一方面,非母语说话人问答型口语语音的识别准确率低、解码速度慢;另一方面,在语音识别率不高的情况下,没有一个有效的方法来评价考生答案和标准答案之间的文本语义相似度。针对这两个问题,本文在分析英语学习者问答型口语发音特征后,分别设计了有效的解决方案。　　为了选取与识别任务相匹配的语言模型,设计了一种新的插值语言模型训练方案,同时研究了一种多语料库动态词表提取方案,以确保词表选取的合理性。实验结果显示,相对于传统的语言模型建模方法,本文设计的方案可极大降低语言模型的困惑度,最高可降低近66.5％,并且在问答题的语音识别应用中,使问答题型语音的识别准确率提高了约15%。为了提高评测系统的识别效率和识别率,设计了一种基于自适应阀值与基频检测的音频分割算法,实验结果表明该算法能够成功去除音频中的静音、噪声部分,音频分割去噪后语音的识别准确率提高了约2%,且单个识别任务的平均解码时间减少了2分钟。　　根据问答题型口语评测的考察重点,文章在评分特诊提取过程中引入文本语义相似度来评判考生作答内容与参考答案的相关性,并设计了一种基于 WordNet的文本语义相似度评分特征提取方案,实验结果表明用该方案提取出的文本语义相似度特征得分与老师评分的相关度可达到了0.695135。