随着现代计算机科学技术的飞快发展,计算机辅助教学的模式深深影响着教育教学方式和课程考核形式。计算机程序在线考试系统是目前程序设计类课程教学实践中的一个重大需求,利用计算机技术来实现程序的在线测评是考查学生编程能力最为有效形式之一。然而,程序设计语言本身涉及知识领域众多、实现方式呈现多样化、复杂化以及评价策略不完善等特点,因此,如何自动化评阅学生提交的程序,是在线计算机程序教学任务亟待解决的问题。目前,计算机程序自动评分技术按照程序源代码是否执行,分为动态测试方法和静态分析方法。然而,动态测试方法完全依赖于程序输出结果评判,从而导致整个程序可能因某个细小的错误导致不能得到步骤分的问题。静态分析方法则主要借助于学生程序和标准答案的相似度来评阅,实际应用中很难做到模板答案的完备性。基于以上分析,结合人工评分的思路,辅助于抽象语法树（Abstract Syntax Tree,AST）这一核心技术,本文提出并实现了两种计算机程序评阅方法。具体地研究工作如下:1.通过深入研究计算机程序的编译原理技术,剖析了词法分析以及语法分析等程序编译流程的核心任务,认识到抽象语法树可以作为程序中间件表达形式,能对学生程序进行静态分析,并证实了抽象语法树在程序静态评阅过程中的可行性和有效性。2.考虑到传统计算机程序动态评阅方式存在着明显的缺陷,即只有满分和零分两种情形,不能对学生提交的程序给出合理的评判。依据人工评分的思路,通过改进相应的评判策略,设计并实现了一种动静结合的计算机程序多特征综合评阅方法。该方法首先判定程序是否能成功编译,然后根据结果选择不同的评分策略,来综合分析所提取的多种特征相似度,从而实现程序的自动评阅和打分。实验表明该评分模型更接近人工评阅,较动态测试方法和静态分析方法,评分准确率有明显的提升。3.针对本文提出的动静态结合的计算机程序自动评分方法,为了减少因动态测试方法存在的高网络延迟和低安全性问题的影响,进一步提高评阅模型的安全性及鲁棒性,本文还提出了一种基于AST和TBCNN的计算机程序评阅算法。首先,通过BERT模型实现源代码对应AST节点的向量化,同时,融合提取到的词汇特征和结构特征,最后通过深度神经网络进行多分类评分。