近现代居住类建筑作为南京城市历史文化遗存的重要类型,是城市居民居住生活的重要场所,具有强烈的文化和地域特色,体现出多样的形态特征。在南京城市现代化建设背景下,如何快速科学地评价已成为亟需解决的问题。随着时代的发展,对街区或者建筑的评价正在由传统的定性描述转为了定量研究,充分的案例与数据提供了机器学习的土壤。其中神经网络算法能够充分利用已有的样本数据以获取评价结果,避免专家干预过多、权重制定复杂等问题,且具有很强的容错能力和泛化能力。依据神经网络算法的在评价以及预测方面的优势,在国内外的建筑学评价研究中已有一定的尝试。本研究以BP神经网络为工具对近现代居住类建筑评价体系进行研究,选定南京近现代居住类建筑这一特定类型,目标是利用神经网络训练输入居住类建筑遗产的价值指标数据,根据训练结果进行评价工作,准确输出评价对象的各项价值评分和总评分,借此提出相应的保护与再利用策略。文章首先在对国内外相关研究的基础上,对南京近现代居住类建筑的价值构成进行了研究,建立了相应的价值指标框架;接着依据机器学习的原理,结合研究出的价值指标框架构建了基于BP神经网络的南京近现代居住类建筑评价体系,并在收集处理充分的数据样本后运用python语言进行了BP神经网络评价体系的实现与验证;最后以南京梅园新村历史街区为例,验证了BP神经网络评价体系的可行性,并以评价结果为基准提出了分级保护的策略。总的来说,机器学习的引入可以为近现代居住类建筑的评价提供一种新的思路,提升评价的科学性和效率,并为形成完整的长效保护机制提供助力,具有一定的实际意义。本论文共包括六个章节,图片37幅（不包括表格内图片）,表格41份,总字数72936字。