计算机辅助教学已经大范围的出现在课程教学中,但是现在通用的计算机阅卷技术都是针对客观选择题的,在主观问答题方面至今还没有一个大众接受的方法及适用的技术,由于主观题题型多样化、涉及学科领域较广等特点,主观题评分有一定的难度,也成为自然语言处理研究领域的热点。基于主观题评分方法新、技术多、实现难度大,至今还没有一个可广泛运用的主观题自动评分系统。为了减少研究难度,选择自然科学类课程主观题语料库为基础进行研究。本文实现了一个基于《系统建模与仿真》课程的主观题评分系统原型,第一,采用Jieba分词和维基百科停用词对文本进行处理;第二,将改进的TextRank算法用在提取关键词上,采用word2vec对提取的关键词进行向量化;第三,最后对向量进行余弦相似度的计算,将得到的结果作为评判分数的计算依据;第四,本文基于Django框架和mysql数据库设计了一个课程管理系统,实现了对题库、成绩等的管理。第五,基于课程构建了知识库,用word2vec将题库训练为词向量化的参考模型,并从题库中选取样本数据,并产生了100个答案数据,经过测试结果显示改进的关键词提取算法具有较高的准确率,将评分结果与老师评分的结果进行对比,发现设计的评分模块与人工评分的分值差距的标准差均在0.3周围浮动,得到的100个样本中有一半以上的评分误差在0.5以下,证明了在0.5的误差范围内自动评分在评分过程中可以被接受。本文使用了主观题评分相关理论实现了系统原型,证明采用的TextRank和word2vec关键技术可行,改进的提取关键词技术有效,实现的主观题评分系统原型说明了该系统具有一定实用性,对以后的研究具有一定参考价值。