随着计算机教育的不断发展,程序设计教学作为计算机基础科学教育的核心课程正在受到越来越多的重视。很多高校开始结合程序设计在线评测系统(Online Judge System,简称OJ)进行培养计算机学生。国内外开发了许多OJ平台,同时网上存在着很多与之对应的解题报告,但是,OJ没有对题目知识点进行分类以及难度分级,而且网上海量的与之对应的题解资源,目前没有很好地组织并被使用。仅靠人工的方法难以应对网上海量信息的收集和处理,因此基于计算机的文本分类技术应运而生,并且研究的重点之一就是提高分类的精度。对于OJ问题,网上与之对应的题解可以看作解题代码以及解题思路两部分,而将解题思路从中提取出来,视为该题目的算法描述,就能够通过短文本分类问题将OJ题目有效的进行分类,甚至可以结合OJ题目的提交数据进行OJ题目的难度分级。基于OJ题目的算法特点,结合与之对应的题解短文本,首先,本文采取了朴素贝叶斯的算法对其进行分类,并对结果进行有效性分析;其次,进一步通过多种基础机器学习的算法对OJ主题分类的实验和分析,以此确定最适合的OJ主题分类的机器学习算法,提高准确性;然后,根据选择的合适算法,进一步通过集成算法提高对问题的普遍性;最后,结合OJ在线提交数据,可以得到具有指导意义和参考价值的OJ主题分类、难度分级,以及OJ题目的算法之间的内在联系。该研究成果不仅可以作为一种有效的指南OJ解决问题,同时也为学习算法提供了更加科学的匹配,并能为参与者提供各种编程大赛有参考价值。