随着计算机技术的发展.计算机辅助语言教学(CALL)系统越发成熟,越来越多的CALL系统被应用在教学与考试中,辅助教师教学,提高学生的学习效率。目前CALL系统的英语口语批改均是针对朗读题等文本相关的考题,而开放式英语口语题的自动批改一直是CALL领域里的难题,它是一种文本无关的题型。目前针对开放式英语口语试题的自动批改系统均没能够投入到实际应用中。现有的开放式口语自动评分系统都有与专家评分关联度不够高、评分维度不够全面等问题。为了解决这些问题,本文研究了一种多特征的智能批改模型,基于目前成熟的英语作文批改系统和语音识别引擎,针对开放型口语题进行自动评分。本研究对考生口语录音进行多维度的特征提取,并分别对这些特征进行评价,共有五类特征:发音、流利度、词汇、语法、语义。构建深度神经网络模型对特征值进行建模得到最终的分数。在前人研究的基础上,本研究使用深度神经网络训练模型,替代了线性回归的方法,提高了模型评分与专家评分的相关度。将使用词频进行语义评分的方法,改为使用LDA主题模型进行语义分析,这样无需专家在评分前人工标注关键词,真正实现了自动化的批改。除此之外,本文还在评分模型中引入了语音识别后的文本清洗和基于深度学习的语音降噪技术,提高了语音识别的准确度和评分模型整体的批改准确度。本文利用北京邮电大学情景英语考试现场采集的480份口语录音数据作为数据集训练神经网络模型,利用专家评分映射模型。最终取得了专家评分性能的89.3%,与专家的评分相关度较高,达到了实用的水平。