经过多年的发展,我国法院信息化工作获得了较大的进步,电子化裁判文书就是其中重要成就之一。对电子化裁判文书进行专题分析,成为司法大数据服务国家治理、建设社会文明建设的新方向。通过文献阅读和调研总结,还未发现在垂直行业中有面向裁判文书的分类研究,因此通过裁判文书获取知识,整合知识的工作具有重要的研究意义和应用价值。本文针对裁判文书进行分类研究,做了以下工作:首先对裁判文书结构的研究分析,通过结巴分词对裁判文书进行中文分词,使用Word2vec技术将文本信息转化为向量形式,为接下来裁判文书的聚类以及基于ULMFi T模型的裁判文书分类打好基础。其次对三种经典的K-means、Birch、DBSCAN聚类算法的优缺点进行了总结,然后用这三种算法对裁判文书中标的物和行业特征词信息的做聚类对比实验,找到更适用于裁判文书聚类的算法。实验结果表明,Birch算法的聚类效果要比其它两种要好。最后结合深度学习和迁移学习,提出一种基于ULMFi T模型的裁判文书分类方法。从预训练通用语言模型、目标任务语言模型微调、目标任务分类器微调三个方面进行实验验证,结果表明,基于语言模型的微调方法能够有效的解决裁判文书分类任务。该方法在裁判文书标的物及行业特征词信息的分类准确率达到了94.53%和95.17%。