在司法透明的大框架下,裁判文书作为中国人民法院代表国家行使审判权、使用法律解决纠纷的载体,其质量直接影响到司法机关的权威性和公信力。传统的裁判文书质量检测完全依赖于人工的审阅和校对,然而,在案件多、法官少的现状下,极大地增加了法官的工作负担。随着中国人民法院信息化建设的不断推进,以及裁判文书公开化,针对裁判文书的文本挖掘逐渐成为热门的研究方向。然而,目前针对裁判文书质量检测的相关工作往往集中在字词校对等文本纠错方面,较少对裁判文书说理质量展开研究。此外,在中国刑事裁判领域中裁判文书说理不足的问题较为严重。基于目前的研究现状,本文以刑事裁判文书为数据源,深度学习模型为算法基础,法条要素信息为外部知识,着重研究用于裁判文书说理质量检测的法条引用说理分析方法。本文首先定义了法条引用说理分析问题,然后将其转换为事实和法条正文之间的文本匹配问题。针对该问题,本文首先根据法条正文的表达模式提出法条正文两要素的概念,随后提出了一种基于法条要素信息的多层级深度文本匹配模型。模型的基本思想是利用卷积神经网络抽取输入文本在不同文本抽象层级上的特征,然后计算输入文本对在各个文本层级上的匹配模式,并加入法条正文中的要素信息辅助匹配模式的计算,最后综合考虑所有层级的匹配模式进行预测。针对提出的文本匹配模型,本文基于两大案由的裁判文书经过人工标注后建立了相关数据集,并进行了一系列对比实验,实验结果证明了该模型的高效性。针对法条要素信息抽取问题,本文首先根据法条子句所属要素的类别将法条子句划分为两类,然后将法条要素信息抽取问题转换为分类法条正文的每个子句的问题。本文通过人工标注建立了法条子句分类问题的数据集,并根据法条正文常用词以及两类子句的表达规则构建了特征集合,以便向量化子句,然后选取随机森林作为法条子句分类算法。对比实验证明,随机森林算法在该问题上具有较强的性能。最后,本文针对所提出的文本匹配模型和法条要素信息抽取方法的缺点提出了可能的改进方法。