文本挖掘的任务是发现文本的内容特征,研究技术涉及自然语言处理、机器学习、数据挖掘等学科,目前该技术已经广泛应用在各个领域。在网络教学平台中存放着大量的非结构化和半结构化的数据,可以将文本挖掘技术引入到教学平台中来有效管理这些零散的数据。本研究的目的就是深入学习文本挖掘技术并与实际的应用需求相结合,在教学平台中实现主观题的自动批改功能。本文首先分别对文本挖掘技术和主观题自动评分的国内外研究现状做了介绍,并认真研究了涉及到的中文分词、文本相似度计算和文本分类技术。随后,模拟教师评阅主观题的思维,引入模糊数学理论中的单向贴近度模型实现了简答题的自动评分,通过计算学生答案与标准答案的各个关键字的贴近度来衡量学生答案的正确性,简答题答案短小精悍,重点在于与关键字的匹配。但论述题的文本内容较多,就会更多地受到汉语语义复杂性以及同义词、近义词等的影响,故本文针对这类题型设计了基于文本语义相似度的计算方法,通过《知网》计算词语的语义相似度,进而构造文本相似度矩阵模型和由此形成的最大值序列逐层计算句子、段落,直至文本的语义相似度。针对KNN算法应用在主观题自动评分领域中,可能会出现的类别样本数量差异大和文本密度不均衡两种情况,本文提出了用修正权重因子来给K个最近邻打分的方法,旨在降低上述两种情况对打分的影响。最后,将上述算法做了实验验证,并在思源教学平台的作业管理模块实现了针对简答题和论述题的自动评分功能。