作文不仅能提现个人的文学素养,而且在人才选拔中也占有很高的地位。但是由于中文作文理解的复杂性、人工测评中评价的主观性,越来越需要一个成熟的智能测评系统来自动抽取出相应的评价指标,帮助用户从繁琐的工作中解脱出来。本文从高考作文细则出发,主要从作文测评中的发展等级着手,针对文采和内容,对比喻句、排比句进行识别判断,针对目前中文作文智能测评系统的测评维度不完善、测试内容不全面的问题,设计了一种基于深度学习的中文作文智能评测方案。并在实现该方法基础之上对测评结果进行进一步优化,通过构建神经网络模型,来检测出作文的比喻、排比、优美句子成分。同时使用抽取出的作文文本特征来计算出作文的总体评分。然后利用识别出的修辞句跟作文评分通过评语自动生成模型,得到最终的测评结果。最后通过实验验证了方法的正确性跟有效性。在比喻句识别输入信息中,为了解决深度学习无法快速获得文章语义的问题,使用了多输入的BI-LSTM模型,不仅要分词后的句子文本,还要将句子的词性一起作为文章的输入。针对不同的输入,在预处理层对句子文本进行embedding编码,对词性进行one-hot构建向量矩阵,通过二者拼接获取最终的输入数据,既保证了句子文本的长距离的相关特性,又融合了句子的词性特征。最后在《使用比喻语词典》和《比喻语义研究》中进行比喻数据的采集,在抽取的数据集中进行集中测试,与其他多种算法模型进行对比分析,验证了该模型的准确性。工程方面,本文实现了中文作文智能测评系统,并提供了部分辅助功能提高系统实用性。针对文章输入,使用了图片识别接口方便用户进行操作。并额外提供了文章推荐、文章收藏、权限设置等系统模块,目前已经在服务器中部署并试运行。