写作作为在对学生英语能力考察中一项重要和必要的内容,能较为全面的体现出学生对于英语词汇,句式,语法等多个指标的掌握程度和运用能力。因此,在英语考试中,一般作文的分值占比比其他题型更重。而相比于其他题型,作文的批改工作任务更加繁重,耗时更长,而且由于作文的评价标准相对比较灵活,批改的客观性和公平性也更加难以得到保障。目前国内外的研究人员已经开发出许多英文作文自动评分系统,但是很少能够运用在实际考试之中。基于英文作文自动评分技术的相关成果,可以将作文的文本特征分成语言特征和内容特征两个层面,语言特征表示了作文在词汇和句法上的语言信息,内容特征表示了作文在内容质量上的语义信息。通过现代自然语言处理的技术对作文文本进行分词、分句和句法分析来获取作文的浅层特征,通过CNN（卷积神经网络）提取作文的局部语义信息和LSTM（长短时神经网络）提取作文的全局语义信息来获取作文的深层特征,然后进行特征融合,构建英文作文自动评分的模型。经过大量地实验论证,结果表明该模型能够有效地完成英文作文自动评分的任务,证明了方法的可行性。参考我国的中考英语科目作文批改的实际情况,进行需求分析、系统设计和系统实现,构建了一个可用于辅助英语考试批改工作的英语作文自动评分系统。通过一系列的系统测试,该系统在功能和性能等方面都表现出较为可靠的实用性,满足中考英语作文自动化批改工作的要求。