近些年来,随着我国教育行业的改革,高校逐渐开始使用计算机来进行考试,而在英语考试中,作为主观题型的英语作文,对于它的自动批改一直是一个急需解决的难题,在这样的背景下,人们研发出了一系列英语作文自动批改系统,从词汇复杂度、句法复杂性、语法准确性等方面来对英语文本的质量进行分析。语篇连贯质量作为人工评分标准中的核心观测点,是高质量文本的一个重要特征,相关实验研究表明,在大学生英语四、六级等级考试的作文批改中,作文连贯质量的好坏将分别导致25.8%和23.6%的分数差异,而现有的英语文本自动评分系统大都很少涉及这一评价指标,这些系统的性能也有待提高。因此,研究开发出一种英语文本连贯质量自动分析模型具有非常重要的意义。本论文以中国学生的英语作文为研究背景,设计了一种无监督的基于句子语义图的英语文本语义连贯诊断模型。实验表明,本文模型的批改结果与人工批改结果的平均误差分为3.22分,皮尔逊相关系数达到了0.6025,相比于传统的连贯分析模型,本文模型有较高的准确率和有效性。本文的研究工作如下:1.针对传统的实体图模型中句子之间语义信息不足的问题,在语义连贯理论的指导下,利用Word2Vec词嵌入模型将英语文本在语义空间中进行表示,并结合句子之间的语义相似度信息与实体图中的实体信息来构建句子之间的语义关联,从而将英语文本表示成了一个包含丰富语义信息的句子语义图。2.为了准确捕获英语文本中的连贯特征,采用改进的VF2子图匹配算法挖掘句子语义图中频繁出现的子图模式,用来模拟英语文本中特有的连贯模式,进而对英语文本的整体连贯性进行分析。3.根据句子语义图中不同子图模式的出现频数,对子图进行筛选,生成频繁子图集,并分别计算每一个频繁子图的子图频率,最后通过提取句子语义图中频繁子图的分布特征以及子图语义值来对英语文本整体连贯质量进行量化分析。