随着人工智能的发展,基于机器学习、深度学习的主观题自动评分方法取得了较好的效果,但仍离不开教师的人工评分,并且对每道试题需要采集大量的考生答案训练对应的评分模型,局限性较大,难以投入到实际应用中。而基于匹配的自动评分方法,通过计算标准答案与考生答案的匹配程度进行评分,虽然可以评阅新题,但需要对词形、语义、句法等复杂特征进行人工设计与计算,并缺乏学科背景知识的支撑,评分准确度与机器学习、深度学习的自动评分方法相差较大,效果不理想。本课题以地理学科为背景,根据学科特点,设计并实现了面向地理学科的关键词提取及文本相似度计算,并融入到了主观题自动评分中,达到了令人满意的效果,并有良好的应用性。本文主要研究内容和成果如下:(1)通过提取地理学科知识信息,建立了地理词典GEO-Dict,解决了中文分词和词性标注对地理学科词语识别不准确的问题;并将GEO-Dict引入到Word2vec模型中训练词向量,构建了地理语料库,作为承载地理知识的基础资源;针对同义词词林对地理学科同义词识别不准确的问题,构建了地理同义词词库,对比同义词词林,地理同义词词库可以更有效的识别地理学科同义词语。(2)研究并分析了现代汉语词性类别及含义,结合词性标注,设计并实现了关键词提取及权重分配算法,能有效提取地理学科评分关键信息;在文本相似度计算中融入了地理语料库、同义词词林和地理同义词词库,实现了面向地理学科的词语相似度和语句相似度,更适用于计算地理答案之间的文本相似度。(3)收集并整理了陕西省和北京市两地区高中考试数据,作为自动评分数据集;设计并实现了基于Word2vec和基于地理学科文本相似度的随机森林评分模型;在基于匹配的自动评分方法中融入了学科背景知识,提出了结合学科同义词与词向量的相似度评分模型,实验结果表明,该模型与随机森林评分模型取得了较好效果,并与教师评分趋势基本一致,评分准确率达到了88.82%。(4)设计并实现了主观题自动评分系统,可以在网上自动阅卷、教师课堂授课和学生课下练习等教育教学过程中调用自动评分服务接口,实现主观题自动评分。在系统中共收录了218道地理高考及模拟试题进行测试,结果表明,该系统能正常提供自动评分服务。综上,本文实现的地理主观题自动评分模型,取得了较好的效果,实现的主观题自动评分系统,能正常对外提供自动评分服务,具有一定的应用价值。