随着公安大数据建设的推进,在公安执法办案系统中案件数据被打上简要标签,以便实施标准化、信息化管理。但是当前只能实现对特定编号、类别或者关键字的案件信息的检索,而对大量案件的对比分析工作仍需人工进行,影响了公安工作的效率。因此,如何利用机器智能地进行同案发现、类案推荐、案件分类等是亟待解决的应用需求。本文从盗窃案件着手,提出了挖掘和查找相似案件的方法,具体研究工作如下:在对案件文本的关键信息进行提取时,提出了融合本体特征的命名实体识别模型。首先,构建了盗窃案件领域本体,并通过将本体特征向量与BERT字向量进行融合,弥补了一般语言模型中的领域知识缺乏的问题,提高了向量对文本语义的表达能力。然后,在Bi LSTM-CRF神经网络模型中加入注意力机制模块,区分了文本中不同字符的重要程度,增强了重要部分的关注度。最后,对大量案件文本进行标注构建了语料库,并对模型进行训练和测试,结果中本文模型的准确率、召回率和F1值分别为83.22%、86.61%、84.88%,相较于传统模型均有可观提升。在对案件特征进行表达时,主要通过不同方法将提取的关键信息表示为主要案件特征。其中,在对被窃物品词语进行自动分类时,提出了结合同义词词林和词向量的词义向量模型,解决了同义词词林的词汇量不足、准确率差问题,以及词向量的无法区分多词同义问题。并在Miller人工判定数据集上进行一致性检验,得到皮尔逊相关系数和斯皮尔曼相关系数分别达到0.9159和0.9267,表明词义向量模型能够有效提升词语语义表达和相似性判断的准确率。在对案件间的相似度进行计算时,针对不同的案件特征数据类型,提出了不同方法来分析各个特征上的相似度。首先,在对连续型的案件特征进行相似分析时,基于转化程度函数理论和盗窃行为的统计特性构造了相关函数,弥补了当前案件相似分析研究中忽略连续型的特征数据的缺点。然后,通过Jaccard相似系数对离散型的案件特征进行相似分析,从而有利于覆盖独热向量中的全部信息。接着,通过层次分析法确定各个特征的权重,并综合所有特征实现了案件的相似度分析。最后,利用系列案件对分析结果进行检验,证明了本文提出的案件相似度分析方法的有效性。并基于Qt Designer,设计实现了案件相似度分析软件界面。