随着自然语言处理技术的日益成熟、应用的日益广泛,自然语言处理在教育领域的研究也呈现逐步上升的趋势。作文写作考评在中国教育领域的作用越来越大,并且每年参加各类型考试的人群愈发庞大,如何减轻专家对作文审阅工作和避免主观意识可能会带来的不公平性随之成为亟待解决的问题,使用智能化技术来解决问题是我们这个时代的趋势。作文自动评分(Automatic Essay Scoring,AES)技术是利用计算机对各种语言的作文进行自动评分,并反馈给用户相关特征评分以使得用户获得相应地指导或建议。通过计算机特定程序的帮助,可以在一定程度上减轻评卷老师的工作负担同时更能提高阅卷评分的公平性和准确性。这是因为在人工阅卷评分的过程中,由于评分老师的主观因素可能会导致在评分过程中有所偏差,导致考试公平性受到挑战,因此使用计算机对作文评分进行辅助参考,是有很重大的现实意义的。本文通过对国内外作文自动评分技术的相关成果的研究,并且结合中文作文考试的特点及评分标准,尝试使用作文主题相关性以及语篇连贯性等特征对中文作文自动评分进行有效表征和预测。主要研究重点包括:(1)针对作文跑题检测模型的研究,提出一种基于LDA(Latent Dirichlet Allocation,隐含狄利克雷分配)耦合空间模型的作文跑题检测模型,利用LDA主题提取技术分别对作文题目和待评分作文进行主题词抽取,然后将主题词的向量表示放入耦合空间内生成泛语义矩阵,利用主题词相关性进行合题程度的判断,从而判断出待评分作文是否存在跑题问题。(2)针对语篇连贯性这一特征进行特征提取,通过仔细研究大量作文以及评分标准,认为语篇连贯性是衡量作文优劣的一项重要指标,所以尝试使用基于框架的实体网格方法将语篇连贯性进行量化,随之作为其中之一的特征对作文整体评分进行预测。(3)利用更加适应相关度高的特征的弹性网回归模型作为预测模型,将上述提取出的特征分别加入其中,进行实验并对比实验结果,证明抽取特征以及预测模型的有效性。