英语作文自动评分(AES)是使用自然语言处理、统计学、人工智能等技术对作文进行评估和评分。其评分客观、公正,且不需要大量的人力与物力。目前国内广泛使用的句酷、冰果智能作文评阅系统,对作文的跑题评判效果都不够理想,而国外相关的技术和效果都没有公开,无法验证其实用性。因此,研究和实现一个能对作文跑题进行准确评分的系统有极其重要的意义。本文研究实现了一个英文作文自动评分系统,并对作文跑题评判进行了重点研究。由于目前还没有专门针对跑题作文的公开数据集,所以本文在Kaggle平台作文自动评分竞赛的公开数据集基础上,补充一部分内容充实、但是与主题无关的样本,根据样本的写作水平将其评分为0-2分,从而构建了一个包含1500条有标语料的数据集。提出一种简便的方法来提取英语作文主题词汇,并在此基础上,用作文主题词汇向量与待测作文词汇向量的余弦相似度作为衡量作文是否跑题的特征;接着分析作文的单词数量、句子数量、停用词数量等简单特征;在进一步分析作文的单词词性、N-Gram等语义相关的特征之后,用标记的语料训练模型;最后用该模型设计实现了英语命题作文自动评分系统。该系统简洁易用,能灵活的识别出批量作文的主题,并准确快速的对英语作文进行评分。本文对训练的模型以及设计实现的评分系统进行的详细的实验测试,测试结果显示,该模型能有效识别出跑题作文,其评分结果与人工评分具有很高的相关性和一致性。使用该系统分别对单篇(切题)作文、批量作文、跑题作文进行评分,结果显示系统性能良好。