法制是社会稳定健康发展的重要保障,促进司法现代化是适应社会发展的必然要求。智慧司法是司法现代化的重要方面之一,推进司法智能化能够有效促进司法工作快捷高效运行进而服务于社会。自然语言处理技术是智能化的重要技术手段,应用深度学习算法可以学习到大量法律文书文本的信息,进而智能化的辅助司法工作。案情阅读理解是自然语言处理技术的一种,它能智能化的模仿人类阅读法律文书,进而自动的从当前内容分析、查询相关信息,其意义在于衡量算法理解裁判文书的能力,其价值在于落地能够智能化的应用于问答系统。通过计算机阅读裁判文书,并回答相关问题,是司法智能化的重要应用之一。具体研究内容如下:（1）提出了一种融合句法指导与字符注意力机制的案情阅读理解方法。通过句法分析可以分析出句子表达的重要信息,以及中文字符具有潜在的语义信息。考虑到在阅读理解过程中问题中的重要信息是抽取答案的关键,本文在问题自注意力时通过句法分析mask掉问题中的干扰信息,以此增加重要信息的权重。其次在词嵌入的基础上,对文本进行字嵌入,由字嵌入构成新的词嵌入,并对此在编码端进行问题到篇章的注意力增加文本编码能力。实验表明,在2019法研杯阅读理解数据集上,本文提出的融合句法指导与字符注意力机制的案情阅读理解方法在基线模型上有一定的提升。（2）提出了一种支持句识别的案情阅读理解方法,实现了在给出答案的同时给出支持句的阅读理解方法。针对在案情阅读理解中有些问题的答案抽取出来可解释性差的问题及有些查询问题信息需要经过篇章中的多处信息之间跳转推理的问题,本文通过多任务联合学习的方法,结合答案类型和答案抽取任务给出答案片段,同时给出答案的支持句。首先三个任务共同使用一个Ro Berta编码器进行词嵌入编码及语义理解,然后针对三个任务分别设计不同的子网络进行各自的目标任务计算,最后三个损失按影响大小赋予不同的权重进行联合学习。实验表明提出的方法在基线模型的基础上有很好的提升。（3）搭建案件裁判文书抽取式阅读理解原型系统。集成本文提出的抽取式案情阅读理解方法和识别支持句的案情阅读理理解方法,通过计算机等智能设备,根据用户对相关案情的疑问需求,快速的分析、理解数据,进而计算思考来做出合理的答案,然后将问题答案以界面化形式展示给用户。