在中国,每年举行两次的全国大学英语四、六级考试是一项规模宏大的标准化考试。考试阅卷工作量大,很难保证阅卷评分的准确性和客观性,随着参考人数的增多,这一问题日显突出。目前的自动化考试系统对客观题目均实现了自动判分,如选择题、填空题等,大大的减轻了考试的阅卷工作量。但对作文的自动评分仍有待研究。本文通过对影响作文得分的因素、特征提取方法、文本分类等相关工作的研究,提出了一种利用文本分类技术对英语作文进行评分的研究方法。首先,从《中国学习者英语语料库》中抽取同一主题的作文作为系统的语料,根据作文分值的不同,将作文划分到不同的类别,将对作文的评分问题转化为对作文的分类问题。然后,抽取作文的内容特征和语言学特征,将作文表示成向量空间模型。基于内容的特征主要包括了作文中的单词和短语两个方面,通过文档频率、信息增益和x~2统计方法,通过设置不同的阈值来提取相关特征;基于语言学的特征包括浅层文本特征(如:作文中单词的数量、句子的数目、单词的长度等)和复杂的语言学特征(如:句法结构特征、词性特征等)。然后,利用三种经典的分类器(朴素贝叶斯、K近邻、支持向量机)根据提取的特征分别对作文进行分类(评分)。最后,利用分类器融合技术对各分量分类器进行融合,根据分量分类器的输出结果,通过投票和基于栈的融合技术得出最终分类结果。实验表明,采用多分类器融合技术以后,系统的分类准确率有了一定的提高。同时,也证明了利用文本分类的方法对作文进行评分的可行性。