类案匹配是从案例库中寻找与指定案例具有相同犯罪情节的案例,从而支撑自动量刑、法条推荐等智能辅助办案。传统类案匹配方法主要基于词袋模型将案件表示为文本向量,通过计算向量之间的距离来获取相似度。然而,在实际审判过程中,案情事实中的知识要素及其顺序对量刑结果有直接影响。由于传统方法缺乏对案件要素知识考虑,从而导致语义分析薄弱,难以有效支持类案匹配应用。针对上述问题,本文提出一种结合案件要素序列的类案匹配方法。该方法采用信息抽取技术自动抽取案情知识要素,构建案件要素序列,然后基于图卷积神经网络进行抽象表示,并融合文本语义进行相似度计算,从而支撑实际应用。本文主要工作分为以下三个部分:（1）案件要素序列构建方法。针对现有方法缺少对案情中知识要素识别、语义分析薄弱等问题,本文结合中文谓语动词及句法要素识别方法,采用BERTCRF模型抽取案件中的知识要素,进而构建案件要素序列。利用案件要素序列中要素之间的时序关系,建模案情事实中蕴含的语义依赖特征和结构特征,从而实现对案情语义的深层理解,有效支撑相似案例匹配。（2）相似案例匹配方法。为了有效获取案件要素序列中的语义依赖特征,本文利用图卷积神经网络对案件要素序列进行建模,将判决结果作为标签训练模型来学习案件要素序列的抽象表示,然后融合文本语义。从案件要素和文本语义不同维度来表示案情事实。最后结合罪名预测结果进行相似案例匹配。实验结果表明,该方法能明显改善类案匹配的性能,找到案情相似的案例。（3）类案匹配系统。在相似案例匹配方法研究的基础上,本文设计并实现了一个类案匹配系统,该系统包含案件要素序列构建、案例检索、类案匹配等功能。该系统实现了类案匹配应用的初步实践,有效支撑了基于类案匹配的智能辅助办案应用需求。