针对现有的信息抽取研究大多集中于普通领域的文本,较少关注专业领域的文本,本文提出一种联合抽取模型面向司法领域的庭审记录文书进行证据信息抽取。不同于普通领域的文本,庭审记录文书中的证据信息存在跨越多句的现象,这增加了信息抽取的难度。基于这点,本文提出在抽取的任务上拓展出一个段落分类任务,设计一个基于段落的端到端联合抽取模型。本文所提模型结合了段落分类与证据抽取,利用段落类别中间信息辅助最终的证据信息抽取。本文主要研究内容概括为以下几点:(1)标签体系:基于庭审记录文书数据集,提出一个新的标签策略,为联合模型提供了理论基础,有效地防止串行模型中遇到的错误传播,而使用段落类别信息,也弥补了直接使用BIO标注策略的不足。(2)基线模型:将标签策略生成的数据集用于分类模型和序列标注模型,训练两种串行模型和四种端到端的证据信息抽取模型,并将这些模型和所提联合模型进行对比。(3)联合模型:针对庭审记录文书证据信息会出现跨越多个句子的情况,本文在段落层次对输入进行编码,并且对比三种词向量方法,从中选择效果最好的方法,并在预测标签之前使用了标签注意力机制,丰富了词向量蕴含的表达信息,也更好的编码了段落信息。(4)实验对比:本文采用大量的实验分析,证明了所提模型的合理性,并且通过错误分析,解释了某些类别效果不理想的原因,最后探讨了将来的改进思路。基于法律庭审文书的实验结果证实了所提模型的有效性,所提模型可获得72.36%的F1值,较现有模型有较大的提升。