在人工智能、“互联网+”时代,如何运用技术实现教育变革已然成为重要的研究主题。本研究以作文自动评价为主题,探讨如何基于修辞特征实现作文修辞自动评判,进而有效减轻教师负担、促进教育与技术的深度融合。本文首先结合修辞学相关理论及小学生常用修辞手法的定义与特点,分析与提取了小学生作文修辞评判特征集,包括词汇、句式和修辞格三个方面,共76个预测变量,其中同义词对数和词汇密度分别使用了两种统计方法,共计78个指标值。在确定评价框架之后,本研究对逻辑回归、朴素贝叶斯、快速决策树、逻辑模型树和随机森林五种分类算法进行了实验测试。在测试数据来源上,相关数据以小学生四年级作文为主,经数字化处理后,构成336篇作文样本。在测试方法上,本研究将修辞水平分为较好、一般和较差三个等级,以人工评判修辞水平为因变量,在对预测变量归一化处理及分别使用卡方统计和信息增益方法筛选后,利用精准率、召回率和F1值对分类方法进行性能评估,筛选出性能最优的分类算法——逻辑模型树及效果最好的特征集合——信息增益筛选的特征集。最后,本研究基于信息增益筛选的特征集,利用逻辑模型树构建小学作文修辞自动评判模型,从精准率、召回率、F1值和相邻一致率对模型整体及每个修辞水平的性能进行评估。实验结果表明,逻辑模型树算法基于信息增益筛选的特征集构建的模型效果在可接受范围之内,与人工评判结果相邻一致率达到了86.08%。对于修辞水平较好的作文,精准率达到了0.938,召回率和F1值均在0.8以上,有较高的查准率和查全率。