人工智能技术与司法领域的深度融合,使得司法智能化得到了不断的发展。司法智能不仅能辅助司法从业人员提升其工作效率,而且能更好地服务于大众,并推进司法便民化。类案推荐作为司法智能化的主要基础任务之一,其能够在一定程度上辅助量刑决策、规范裁判标准。随着大数据时代的到来,法律数据也越来越公开化、透明化,构建一个法律类案推荐服务平台,能够进一步推进司法智能化和便民化。本文结合了自然语言处理技术、推荐策略以及深度学习,研究并实现了一个类案推荐推荐服务系统。首先对自然语言处理的相关技术进行了研究和分析,采用基于规则的信息抽取方法和词嵌入等自然语言处理技术对裁判文书数据进行数据分割和特征表示。然后,根据法律文书的特点和推荐方法的优缺点,采用基于内容的推荐方法搭建类案推荐系统。为了进一步提升推荐结果的准确性,更好的利用文书的语义信息,提出了基于深度学习训练分类器,根据案情描述对文书进行分类,在10万多条真实法律文书数据上进行Word2vec_CNN、FastText_CNN、Word2vec_LSTM三个模型的分类实验对比,并结合案情分类模型进行了类案推荐的实验,实验结果表明Word2vec_CNN对法律判决文书的案情分类效果最好,融合案情分类模型的类案推荐结果相较于仅使用案情描述推荐的方法提升了推荐效果。最后,本文从应用的角度出发,设计与实现了一个法律类案推荐服务系统,其主要功能是通过案情描述完成类案推荐和案件分类,且通过法律裁判文书格式化分割显示文书的各个法律要素内容。