教育是立国之本、强国之基。随着人工智能产业的飞速发展,为促进教育变革创新,人工智能与教育的深度融合势在必行。在当代教育中,“优生吃不饱,差生做不完”的课业难题一直备受人们的诟病。只有在大量习题中选择性的有针对的进行精准、个性化的练习,才能有效的解决这个难题。然而大多数习题文本所蕴含的课程知识点都是不清晰的,这使得人们无法快速有效地对习题进行筛选。在自然语言处理领域中,文本分类作为一种常用的信息处理技术,经常用来解决文本的信息杂乱问题。随着深度学习的兴起,基于神经网络的文本分类模型在众多文本分类领域取得了重大进展。这为解决习题文本的课程知识点分类带来了新的契机。本文以解决大规模习题文本知识点自动分类问题为目的,研究并完成了习题文本的数据预处理、文本数据增强、文本表示等数据处理过程。同时,本文对基于深度学习的文本分类模型进行了深入研究。在此基础上,本文结合双向LSTM和注意力机制设计和实现了习题文本分类模型。并设置对照组进行试验,验证了其对习题文本数据分类任务有效的建模能力。最后,本文将习题文本分类模型进行应用,设计并实现了习题文本自动分类系统。在一定程度上,解决了用户习题文本按课程知识点分类难的问题,同时也为个性化的习题推荐提供了数据支撑。