在语文课程学习过程中,如何培养学生的写作兴趣以及提高写作能力一直是广大教育者关心的热点问题。传统的作文评分一般需要老师人工进行打分,这不仅会耗费大量人力,而且其结果容易受到评价者个人主观性影响。随着自然语言处理等人工智能相关技术的快速发展,使用计算机对作文进行自动评价、辅助教学成为研究热点。本文以小学语文作文为研究对象,开展了针对小学作文进行自动评价方法的系列研究,通过结合传统作文评价标准与小学生写作能力发展水平的特点,提出了一种通过词汇与语句等级对小学作文进行评价的方法教学。本研究的主要工作如下:(1)通过相关研究与理论分析,本文对作文自动评价过程可能涉及到的关键技术的原理和特点进行了阐述,最终基于其性能及可行性分析,明确了本文的研究路线。(2)本文以词汇运用为研究点,建立了基于词汇的多元线性回归模型及方程。首先从词汇丰富性的词汇多样性、词汇复杂性以及词频概貌三个维度研究其与作文成绩之间的相关性,将文章所使用的词汇的评分进行加权而得到一个等价的衡量作文评分的多元线性回归模型,并最终优选词汇的复杂词种比重、最常用词种数量、词种数和控制文本长度TTR(随机抽取)四者作为预测作文成绩的因素。(3)本文对小学作文中的语句等级自动提取方法进行了研究。首先通过分析语句等级的特点,确定了对语句等级划分标准。然后由相关学科背景的研究人员对语句进行划分等级,并以此作为训练集,通过使用双向LSTM构建语句等级分类模型。实验结果验证了模型的有效性,其中A等级句子的分类精确率为88.32%,B等级句子分类精确率在84.27%左右,C等级句子分类精确率在71.73%。(4)本文基于以上技术构建了基于词汇与语句等级的小学作文自动评价器,并根据各个评分特征设计了相关的评语。最后将前期收集的数据集进行实验并与相关研究的实验结果进行对比分析,验证研究思路的正确性。