英语作文可以考察英语学习者的语言综合运用能力,在平时的学习中,一般都是老师人工评阅,这种评阅方法主观性强,阅卷强度大使得评卷效率低、误判率高。计算机技术的发展加快了AES(作文自动评分,Automated Essay Scoring)技术研究与应用的进程,这种技术可以对作文进行分析和打分,相比人工评阅,计算机评分成本低、审阅效率高,同时可以反馈更多的评价信息,比如每篇作文的单词拼写、语法错误等,还可以推荐优秀的词句和作文素材,为学习者提供更科学地作文写作指导意见。然而,目前AES系统的构建和评价大部分基于论文内容的统计信息,对于作文的逻辑、词句的质量等评估仍不够深入和准确。因此,在提高预测分值的准确度的同时,也要对作文内容全面评价,以使得AES系统更好地应用于实际作文批改当中。本文研究了AES相关技术,设计了特征的提取模型并讨论了集成学习方法。首先,本文构建了AES总体模型,并分析对比关键技术的一系列仿真实验;然后,引入句子优美性识别模型,通过调研确定优美性的评价标准,并在网络上收集大量的原始数据,然后人工制定特征提取方案并融入卷积神经网络当中训练句子优美性识别模型,通过优美性识别模型可以量化作文中的句子的优美值,并将基于优美值的句子优美性特征融入到AES模型中;引入主题相关度特征概念,从词粒度、句子粒度、篇章粒度三个层次计算作文与题目的相似度,从而表征作文的切题程度,将基于相似度值的相关度特征融入AES模型当中;讨论stacking集成学习方法,进一步提高分值预测的精确度;最后开发实现了AES原型系统。经过初步测试,本系统的各个模块可以基本实现其功能,算法的鲁棒性和实时性已经达到基本目标,可以为学习者和老师提供自动化的作文评价信息,以提升作文评卷效率。