随着法治建设推进,案件数量迅速增加,“案多人少”、“同案不同判”等问题日益严重。如何有效利用积累的案情知识成为智慧司法的重要课题。案情文本是案情知识的主要载体。通过对案情文本进行分析、理解,可以帮助司法人员快速获取案情关键信息、帮助案情文本归档、帮助司法人员对新案件做出更合理的判决。目前对于案情文本的研究多集中于刑事案情文本的罪名预测、刑期预测,或基于案情文本的实体抽取,对于案情文本的整体理解研究较少。针对中文案情文本理解任务,本文对案情文本的通用表示框架、案情关键词发现、案情过错句分析、案情类案发现等几个关键任务展开研究,并建立了相应的智能分析模型,为智能辅助案情判决提供了有效的技术支撑。主要工作和创新点如下:1)通过分析案情文本和案情文本撰写规范,定义了一种通用的案情文本表示框架,根据案情要素的获取方式将框架中的要素分为抽取型案情要素以及分析型案情要素,为后继案情理解的各个关键技术提供知识指引。2)关键词体现案情关键信息,可以协助获取案情关键点、协助检索相关案情文本。现有关键词抽取方法对于多段落、多主题的案情文本抽取效果不佳,因此结合案情文本特点,构建案情文本关键词识别模型。模型考虑了案情文本的语法信息,并引入主题要素对关键词进行筛选,弥补了当前方法的不足。3)过错信息是判案的主要依据。基于知识工程,构建“过错特征”词典,构建过错句标注语料;基于神经网络技术,设计基于Bert和全连接神经网络的短文本分类模型实现过错句识别。4)案情文本的类别源于法律的相关定义,可以协助法条选取以及案情文本归档。现有分类方法在处理案情文本时无法很好获取有效信息,因此提出基于抽取型要素重构案情文本,进而实现分类的思路,设计了输入的重构方式以及长文本分类模型。5)参考相似案件的判决可以提高判决准确度,因此设计了一种以抽取型案情要素为基础,计算案情文本相似度的图模型,基于文本相似度实现类案推送。最后,针对抽取的各项案情要素实现数据可视化,帮助相关从业人员更直观的获取案情文本的关键要素并对其进行分析。