主观题作为目前考试中经常出现的一种试题类型,因为其答案形式的多样性和内容的复杂性,使得智能化的主观题评阅技术还不成熟,仍然需要阅卷人来评阅。然而,人工评阅不能确保评阅结果的客观性和公平公正性。所以进行中文主观题智能评阅方法的研究,从而实现一个性能较好且适用的评阅系统是具有一定的现实意义。本文在中文主观题智能评阅方法研究中的主要内容有:首先,搭建了一种改进的基于动态语义编码双向LSTM的中文语义相似度计算模型。模型采用编码器-解码器神经网络框架结构。编码器使用传统的双向LSTM神经网络,解码器则使用带有动态语义编码的双向LSTM神经网络。模型以句子对词向量作为输入,输出值为这对句子对的相似度值。通过在不同类型的数据集上进行验证,改进的模型在中文句子对相似性预测中表现良好。其次,研究生成句子对的策略,用于生成参考答案和学生答案的句子对。主要方法是使用自然语言处理技术对主观题试题、参考答案和学生答案进行文本预处理、提取关键词和短语。根据试题中提取的关键词确定试题考察的知识点范畴,并确定参考答案中的得分点。先对句子间的关键词和短语进行关键信息相似度计算,匹配出一种情况下的句子对,再通过搭建的神经网络相似度模型对参考答案和学生答案余下的句子进行相似度预测,以参考答案为基准,匹配学生答案中与其相似度值最大的句子组成另一种句子对。然后,对主观题智能评分算法进行设计。评分算法是建立在句子对的相似值上的,每个句子对都对应试题中的一个得分点。本文将句子对的关键信息相似度、句子主干信息相似度和模型预测的相似度值进行线性组合,由粒子群算法确定其参数,形成句子对整体的相似度值,再与相应得分点的参考分数进行相乘求和,即完成了学生答案的评分。最后,构建了《操作系统》在线考试系统,将本文的中文主观题智能评阅方法应用于试卷的简答题评阅功能中,通过实验验证了智能评阅方法的可行性并有较好的效果。