近年来,随着科学技术的快速发展,人工智能成为了我们日常生活中不可分割的一部分。计算机辅助教学、在线评阅等技术因其方便、快捷、智能等特点受到了越来越多人的关注。传统评卷方式存在诸多的问题,一方面给教师造成了极大的工作负担,压缩了教师的备课时间;另一方面,主观题批阅带有较强的主观性和不公平性。目前,在线学习、在线评测等相关技术越来越普及,人们迫切的需要一种可以从繁重的评卷工作中解脱出来的方法。经过国内外专家和学者的共同努力,已经能够对选择题、判断题、填空题等答案唯一的客观题试题进行较为准确的自动评卷。针对采用自然语言描述的主观题答案,由于其在思维方式、理解程度、表达习惯等方面存在差异,造成了个体在内容上也存在一定的差异性。针对简答题、论述题等答案不唯一的主观题,因其结构复杂、表达多样性等特点,因而不能很好地实现自动评卷。目前已有的主观题自动评卷方法,因其应用背景各不相同,结果相似度标准也不同,故其通用性较差,存在一定的局限性。为提高基于句法分析、依存关系分析、本体和长短期记忆网络(Long Short-Term Memory,LSTM)的主观题自动评卷方法的自适应性与实用性,本文充分利用了句子成分之间的语义依存关系不受其物理位置影响,答案蕴涵的包容性,WordNet的通用性以及LSTM神经网络能够记忆长时信息的独特性等特点,提出了一种综合语义技术与LSTM神经网络的主观题自适应评卷方法。本文的工作主要有以下几个方面:(1)通过构建《计算机网络》课程学科的领域本体,实现对通用本体WordNet知识库的扩充。构建的领域本体主要是用于答案文本的词语相似度计算,从而弥补了在主观题自适应评卷过程中通用本体专有名词缺失等问题,增加了词语相似度计算的准确性。(2)通过形容词间和副词间的similar-to或antonym关系来计算形容词间或副词间的词语相似度,增加词语相似度计算的准确率。并且采用《计算机网络》领域本体和通用本体WordNet结合的双相似度计算方法,将基于两个本体计算出的相似度最大值作为学生答案和标准答案相似度的最终值,为主观题自动评卷的高效性和准确性提供了保障。(3)通过构建LSTM神经网络分类模型实现对问句试题语料集的同步双分类(题目类型分类和疑问类型分类),为实现不同的问句类型采用不同的主观题自动评卷方法提供了前期保障,并为提高主观题自动评卷的准确性提供了可能。(4)结合句法分析和依存关系分析对问句以及答案(标准答案和学生答案)进行剖析。通过对题目的依存关系分析得到疑问词在问句中的成分;再结合依存关系对答案进行剖析,得到标准答案和学生答案中各自的核心语义、非核心语义和否定语气词。根据不同的问句类型,采用不同的主观题自动评卷方法,实现同一标准答案的不同学生回答方式的自适应评卷,进一步提高主观题评卷系统的准确率与实用性,使得主观题智能评卷更加灵活和高效。