考试系统中,针对客观试题的自动阅卷技术已经很成熟;而针对名词解释、简答题、论述题等主观题型的自动阅卷技术,由于受到人工智能和自然语言理解等技术发展的限制,至今仍很不完善。因此,研究如何用计算机实现主观题的自动阅卷技术具有很大的现实意义。目前,多数主观题自动阅卷算法是通过比较学生答案与标准答案的关键词或文本的匹配程度来实现的,但由于汉语语义的复杂性以及同义词、近义词的存在,导致这种算法的准确度受到很大的影响。本文将文本看成段落的集合、将段落看成句子的集合、将句子看成词语的集合,运用基于知网的词汇语义相似度计算方法来计算词语的相似度,并通过形成相似度矩阵的方法将词语的相似度扩展到句子、段落和文本级别,来比较学生答案与标准答案文本的语义相似度。针对政治学科,很多主观题都是为了考察学生对知识点的掌握程度,试题答案一般都围绕某一个或几个知识点展开,答题模式一般为先阐述知识点,然后对知识点进行相应的论述,依据这一特点,本文提出了基于知识结构树的知识点匹配算法。通过综合使用这两种算法进行加权相似度计算,有效的提高了有明显知识点阐述的政治学科主观题自动评分的准确性。