虽然没有做过考试题分类，但从描述看起来像是个文本主题多分类的问题。偶提供一下的一些思路，效果因为也没有尝试过，所以偶也不确定是否好。
首先第一步，分类之前肯定是需要提取特征的，也就是把你的考试题向量化。向量化有以下几种方法。
1. 自己设置特征，比如设置中英文字数，数字的字数，自己设置一些名词，名词出现的频率等，这些特征你自己设置，最后可以转换成向量
2. 词袋模型，用TF*IDF表示，具体可以搜一下什么是TF*IDF
3. word embedding模型，该模型结合了语义信息，比如用word2vec这种可以表示每个单词的语义向量，整个文档的语义可以每个单词加起来，或者直接用doc2vec，python的gensim有api，可以直接实现，但是推荐了解下原理。
上面3个方法，都能把一道题转换成一段向量，这样就相当于向量的多标签分类问题了。
分类方法：
1. 可以当成0/1分类问题，即假设有5个分类ABCDE，你分别训练5个模型，判断该向量是否属于这个分类。这种2分类的方法有很多，效果比较好的，可以直接丢进去的有随机森林，逻辑回归，svm
2. 设置一个阈值，直接搞。假设考试题A的向量表示是X, 对应的标签是分类B和C（有ABCDE5类），那最终的结果向量就是0 1 1 0 0 ，把向量丢到神经网络里，最后连个softmax，输出每个分类的概率，比如是0.1 0.6 0.8 0.4 0.3, 超过0.5的你就认识是该分类，来训练。
3. 比较推荐用RNN（lstm/gru都可以）训练，RNN对这种类型的效果一般都还可以，而且可以适应不同长度的输入，不用固定成多少维的向量。方法是用word2vec，把考试题的每个单词向量化了，然后丢到RNN里面（如果题目很长，考虑加入attention机制，cell选择lstm或者GRU），输出的结果接一个sigmoid，就是方法1中的0/1分类问题，如果接个softmax，就是方法2中的设置阈值
4. 可以尝试下topic model，比如LDA主题模型。看看每个分类的topic words是什么，然后直接关键字搜索。比如都是分类A的考试题，提取topic word，以此类推。把这些topic word结合特征1做个分类，但是目测效果随数据集会有很大变化
大致想到了以上的方法，未经试验，仅供参考