作文写作是语文教学中不可或缺的重要组成部分,写作能力是学生语文能力的综合体现。相比于通用领域的文本生成而言,中学生议论文话题范围相对更小、格式更加明确,对中学生议论文进行建模并研究相应文本生成方法,可以综合考察当前模型的语义理解能力,并为其他文本生成方法提供借鉴。本文研究如何在给定题目以及首尾段关键词后生成完整的中学生议论文。受限于训练集规模,直接进行长文本生成可能会导致方法性能不佳,因此将其拆分为基于题目及关键词的议论文首尾段生成任务、基于题目的论据匹配及论证生成任务分别进行研究。本文首先构建了议论文数据集和例证数据集用于后续研究。在生成议论文首尾段时,本文基于BART模型提出了句子语义相似度预测任务,并添加了扩展数据集。前者使模型可以在句子级信息的指导下进行文本生成,而后者可以让模型学到更多关于议论文语言模型的知识。实验结果表明,该方法可以让模型更好地学到句子级相关性,使得生成结果会在一定程度上引用训练集中出现的名人名言,增强结果的文学性。在进行论据匹配时,由于议论文题目本身具有高度的概括性,并且相同主题的文章往往使用相同的关键词,因此本任务相对简单。在进行实验后,选取TF-IDF方法进行匹配。进行论证生成时,本文提出了基于重写的方法引入指示编码和软模板匹配度预测任务,实验结果表明该方法使模型在生成的过程中会对软模板有一定参考,并且增强了模型生成结果的多样性。最后,本文构建了完整的议论文生成系统,并与人类写作结果进行对比,说明了方法的有效性。