作文的流畅性是作文评价中的一项重要指标,它反映了作者语言的规范性以及文章的通顺程度。实现作文流畅性的评价对致力于提升学生写作水平和作文评价效果的研究者和教师们来说意义重大。由于小学生群体大多处于语言学习阶段,其作文质量在很大程度上取决于语言的流畅程度,因此实现流畅性的有效评价在小学生作文中则显得更为重要。然而,传统的人工形式的作文评价具有工作量大、主观性强、反馈周期过长等缺点,因此越来越多的学者投身到作文自动评价的相关研究中去,希望用自动化的手段来完成作文的评价工作。流畅性的自动评价是作文自动评价系统不可或缺的一部分,也是作文自动评价研究的核心内容之一,具有十分重要的研究意义。论文选择小学生汉语作文为研究对象,基于作文自动评价的思想,采用机器学习的方法构建分类模型,从而实现对作文按照流畅性等级进行分类,即实现小学生作文流畅性的自动评价。论文在厘清作文流畅性和作文自动评价的概念和相关研究的基础上,从作文的总篇、段落、句子、短语、词汇和语法错误层面分析并选取了一系列能够反映作文流畅性的量化特征,从而构建了总体的作文流畅性特征集,并对各项特征的提取方法进行了说明。接着论文遵循标准的机器学习范式进行了模型的构建和实验。在借助LTP和CRIE工具完成了数据预处理和特征提取的前期工作后,研究使用信息增益和信息增益比进行了特征的筛选,并比较了逻辑回归、决策树和支持向量机这三种单一模型在特征筛选前后的性能差异。随后,论文构建了 LMT、SimpleLogistic和RSM三种集成分类器。最后,论文将基于上述六种算法的作文流畅性评价模型的整体分类准确率进行了比较,发现最优的预测模型是结合了逻辑回归和决策树的SimpleLogistic,其分类准确率达到了 85%以上。实验结果证明论文所构建的模型对于区分小学生作文的流畅程度具有良好的效果。但由于该研究所提取的特征指标在深度和广度上有所欠缺,训练集涵盖的范围也比较小,因此还有待进一步的改进和完善。