近年来随着人工智能技术的发展,越来越多的领域开展了自动评分方面的研究。中文论述题评分是考试自动评分中较为重要的一个领域,人工评分过程往往要耗费较多的人力资源,并且不能完全保证公正性,而设计实现一个完备的中文论述题自动评分系统将有效解决这几个问题。目前自动评分在中文论述题领域方面的技术仍然不够成熟,存在着准确度低、适用性窄等较为普遍的问题,中文论述题因为判分过程较为复杂,无法用简单的自动评分系统进行有效的评分。结合我国现有中文论述题评分系统,对评分过程及方法进行分析,最终采用提取特征项的方法,从深层语义、浅层语义和论述充分性的角度设计并提取了特征项,将得到的特征项合并成数据集并采用机器学习模型进行特征融合。选用了线性回归模型、支持向量回归模型和随机森林模型等方法进行了实验训练和评分结果的对比,在实验过程中通过调整相关的系数进行测试和优化,从评分效果的角度出发,最终选择了支持向量回归模型进行训练获得评分模型,通过实验对得到的评分模型进行了有效性验证,经过实验测试,评分模型计算得到的评分结果具有较高的有效性。对论述题自动评分的实际需求进行梳理和分析后,以得到的评分模型为基础设计并实现设计了完整的中文论述题自动评分系统,从多个功能模块对系统功能进行了详细的介绍,并且对实现的系统进行了测试,测试结果表明评分系统有着较为不错的自动评分效果,能够较好的满足论述题自动评分的相关需求。