本文提出了一种深度神经网络求解器，用于自动解答数学应用题。与以往的统计学习方法不同，本方法采用循环神经网络（RNN）模型，直接将数学应用题转化为方程模板，无需复杂的特征工程。此外，我们设计了一种混合模型，将RNN模型与基于相似性的检索模型相结合，进一步提升性能。在大规模数据集上的实验结果表明，RNN模型及混合模型在数学应用题求解任务中显著优于当前最先进的统计学习方法。