近年来,由于互联网信息技术的迅猛发展,教育领域与大数据技术的融合不断加深,教育大数据已成为教育科技研究的热点研究方向之一。课堂语言是课堂教学的重要组成部分,提升教师课堂语言水平是提高教育教学水平,坚持推进新课程改革的重要一环。当前,国内外在课堂语言的智能化技术处理方面均处于起步阶段,对课堂语言的分析与评价还没有形成大家普遍认可的权威性和系统性指标体系。因此,面对教育大数据浪潮下的机遇与挑战,将文本处理技术融入课堂语言分析,对推动教育语言大数据的智能信息处理具有现实而重要的意义。本文利用基于机器学习的文本分类技术开展课堂语言自动分类,重点进行句型分类和幽默度判别,为今后开展教学语言丰富度和趣味性评价开展前期准备研究,其主要工作如下:（1）本文采用文献分析法,首先界定了课堂语言与中文四大基本句型的概念,其次厘清面向课堂特定场景的语言功能、分类角度及分类原则,为课堂语言分类的实施奠定了理论基础。针对中文句型语料库的稀缺问题,通过网络爬虫搜集4个类别句型的原始数据共5000余条,采用人工编码与正则化提取相结合的方式对数据进行类别标注,并利用自然语言处理数据增强技术扩充句型语料库,为课堂语言句型分类研究提供了数据支持。（2）提出基于Light GBM的教学句型分类模型。针对Word2Vec只关注到短距离间词语的语义关联问题,使用词与词、字、多元组的共现信息训练词嵌入模型,获取待分类文本的向量表示,增强向量的语义表征能力。针对中文句型分类受句末语气词影响较大的特点,提出一种文本长度无关的特征自动提取方法,对全文进行特征提取。针对句型分类受情感等外部因素影响的特点,在自动抽取的特征中融入基于人工特征工程的外部特征向量,提升分类效果。（3）提出基于Bert的教学幽默度模型。针对幽默语句不一致性与模糊性的特点,采用Bert预训练模型动态生成句向量,更好地捕捉同一词语在不同语境下语义的区别。针对幽默语句的“铺垫”+“笑点”的结构特点,引入Bi GRU模型高效获取长距离上下文语义关联,捕捉“铺垫”与“笑点”的潜在关系。针对幽默语句的“锚点”理论,引入注意力机制以提高对幽默语句中“锚点”词语的关注度,提升模型分类性能。