近些年来,随着“互联网+”模式在教育领域的应用,传统教育模式也随之发生了变化。在实验教育领域中,许多高校正在使用虚拟实验与传统实验相结合的教学方式。虚拟实验平台作为实验室的辅助系统,让学生在课前课后同样可以进行实验操作,有助于提升学生的学习能力,其中对实验操作的考核评分成为虚拟试验平台的研究核心和热点。传统的评分系统只能对选择题进行评分,无法实现操作题的评分或只能将实验数据结果与标准结果对比来判断学生操作是否准确,对于学生的操作流程没有任何的评价。本论文以现有的虚拟实验平台为基础,结合人工智能技术设计了一套虚拟实验平台评分系统,实现对操作题文本数据的智能分类,并通过对文本数据中每个步骤的评判来获得最终评分。本文主要工作内容有以下几个方面:（1）对虚拟实验平台的整体设计框架进行研究,对基于Lab VIEW的虚拟实验平台的评分方式进行分析和总结,研究其他评分系统设计中所存在的优缺点如:英文作文评分系统、编程题评分系统等。（2）为了能更好地表征文本内容,设计了一种以自然语言处理为基础的预处理算法,为接下来的文本分类和评分系统提供有效数据。此外在对于专业术语较多的虚拟试验文本数据进行预处理时还需要加入自定义的字典来提高处理效率。（3）通过研究卷积神经网络（Convolutional Neural Networks,CNN）与长短期记忆神经网络（Long Short-Term Memory,LSTM）分别设计相应的文本分类模型,并将CNN在分类上的优势以及LSTM在自然语言处理上的优势相融合设计混合神经网络。通过对比三者在文本分类上的准确率,结果为混合神经网络的分类效果更好。（4）研究虚拟实验的评分规律,结合决策树算法和循环神经网络算法的模型结构,设计一种基于两者模型结构的文本评分算法,与此同时,使用神经网络评分模型对数据进行二次评分,将两者的评分结果进行对比,当分数误差在给定范围内则取两者分数的平均值为最终结果,否则反馈优化。最后利用Python创建图形用户界面用于显示评分界面。本系统摆脱了传统评分系统中操作题需要人工评分的束缚,通过神经网络建立智能评分模型,在不同学科的虚拟试验中均可实现评分的特点,具有一定的应用价值。