主观文字试题是当前中文在线考试系统进行考核的重要内容之一。如何利用计算机对主观文字试题（以下简称“主观题”）进行阅卷与评判一直是考试系统自动化要解决的关键问题，也是自然语言处理领域中一个热点。主观题阅卷技术的研究是信息处理领域的一个重要课题，旨在减轻评判人在考试中的工作量以及保证考试的公平性。 由于主观题答案的不唯一性，目前对在线考试系统的自动化判改一般集中在对客观性试题的处理上；而对主观类试题的自动判改的实现，国内外虽进行了一定研究，但一般是针对英文或在某特定领域内的处理，有一定局限性。基于中文的主观题阅卷涉及到自然语言理解、人工智能、模式匹配等诸多领域的深入研究，实现上较为复杂，到目前为止，研究成果仍较少，且未有成熟的系统，而且大多数系统的基本评阅思路相似，方式比较单一。 为避免人工阅卷产生的个体偏差，减少阅卷过程中主观因素的影响，同时提高大规模考试系统的阅卷速度，本文对主观题阅卷系统涉及的相关技术进行了深入研究。在深入分析整个领域研究的发展特点及趋势的基础上，提出了一种新的针对中文主观题自动阅卷的评分模型。该模型利用文本分类技术来解决自动阅卷问题。模型中利用决策树分类算法进行文本分类，在提取文本特征时注重自然语言处理技术特别是文本语义相似度计算技术的应用，提取学生答案与标准答案的相似程度特征，同时还采用了统计学方法以综合考虑文本的其他特征，最终根据这些文本特征得出待评阅文本的分值。在该评分模型的基础上实现了主观题自动阅卷的原型系统，并在实验分析过程中，通过与人工及对比系统的阅卷结果进行比较分析，证明了系统的客观性、有效性，符合人工阅卷处理过程。