现阶段中文作文的评价模式仍然以人工评价为主,但是人工评价不仅耗时耗力,而且还因难以避免的评分主观性而导致评分信度低的问题。作文自动评分可以应用计算机技术对作文进行客观高效的评分,以英文为主的作文自动评分系统已有不少成熟应用,但是面向中文的作文自动评分系统仍然在探索阶段。随着自然语言处理技术及算力的提升,中文作文自动评分的实现越发受到研究者们的关注。中文作文自动评分有着广泛的应用场景,汉语的语言独特性与复杂性让中文自动评分的实现充满挑战。本文通过对国内外作文自动评分技术调研,分别基于浅层特征和深层特征,应用机器学习算法及深度神经网络算法去探索针对中文作文的自动评分技术,并且通过集成学习,进一步提升评分效果。主要的研究内容有以下三方面:基于浅层特征的作文评分,参考各类型作文的已有评分量表及量表设计的相关研究,结合HSK作文特点设计体现作文准确性、流畅性、丰富性、完整性的浅层特征,运用朴素贝叶斯、K近邻、支持向量机和随机森林四种机器学习算法进行评分模型的训练,并对比不同情况下的评分效果。基于深层特征的作文评分,将作文文本Word2Vec向量化表示后,运用卷积神经网络的文本应用算法进行评分模型的训练。通过超参数优化提高模型效果,并设计实验对比卷积神经网络在不同情况下的的差异表现,以了解卷积神经网络在HSK作文质量分类上的适用性。基于集成学习的作文评分,结合浅层特征和深层特征的评分模型的预测结果,通过集成学习的多数投票策略,有效提升中文作文自动评分的评分效果。有效弱化单一模型的不足,减少其误判的风险,从而实现更科学、全面、客观的中文作文评分。