智慧司法的核心任务之一是实现可信的自动司法判案,其关键点在于提高自动司法判案的可解释性——即让机器理解案情,并以法官的判案视角给出令人信服的判案结果。裁判文书中凝练了法官对于案情的理解,具体体现在裁判文书案情描述句子间存在的因果关系。如果能够分析出案情描述句子间的因果关系,就能提取出法官对于案情的理解,从而提升自动司法判案的可解释性。篇章句间关系识别旨在分析句子与句子间的语义关系,当前对于隐式篇章句间关系的识别仍为一个难点,并且在司法领域应用较少。本文从法官判案的角度出发,以篇章分析技术结合法律领域知识对裁判文书中案情描述句间因果关系进行识别,进而推演出案情因果,提高模型对案情的理解,辅助法官判案。本文主要工作内容和创新点如下:（1）提出了基于无监督成分句法树的隐式篇章句间因果关系识别方法PTDRR。针对使用有监督句法结构的因果关系识别方法存在的需要大量人力标注且适用领域单一的问题,提出使用无监督成分句法树构建句法差异,增强论元间交互,并使用ON-LSTM增强论元的语义编码。在提升模型领域泛化性的同时,增强了模型的语义理解。该方法在英文数据集PDTB上的F-1值为52.04%,提升了6.90%的绝对F-1值,在中文数据集HIT-CDTB上的F-1值为73.48%,提升了4.54%的绝对F-1值,均显著高于基准模型。（2）构建了裁判文书案情描述句间因果关系体系并标注了数据集CCRTB。针对当前通用领域因果关系体系未关注司法判决中核心的案件要素,不具有领域适用性这一问题,基于刑侦学视角下的案件要素体系归纳出法官在判案中着重关注的因果关系,其包括犯罪原因、犯罪结果与补偿行为三个方面的案情因果关系,并细分为犯罪动机因果、犯罪动作因果、伤残情况因果、经济补偿因果与行为补偿因果,为案情逻辑的重构提供基础。进一步地,以裁判文书网的公开裁判文书中故意伤人罪相关文书的案情描述为语料,手工标注了篇章因果关系识别数据集CCRTB,为研究提供数据支撑。（3）提出了融合显隐式篇章关系的案情因果识别方法EIDRR。多篇文书可能采用相同或相似的连接词对,为了充分利用该种连接词对信息以提升案情因果识别性能,在PTDRR方法的基础上,使用正则匹配出的显式连接词对信息建模连接词对与因果关系的相关性,提升关系分类时的性能。在CCRTB上的实验表明,相比于PTDRR方法,该方法提升了4.92%的绝对F-1值,达到了77.05%,并且对于犯罪动机因果、伤残情况因果、经济补偿因果与行为补偿因果的识别效果较好。