随着人工智能技术的发展,各个领域都利用人工智能提高了自动化水平和效率。司法领域也不例外,我国积极推进“智慧法院”建设,致力于用科技手段提高司法机关办案水平,进一步确保司法的公平性和效率,同时也为人民群众普法用法提供帮助。因此,研究人工智能在司法领域的应用具有重要的社会价值。本课题的研究内容主要包括三部分:1、基于预训练模型提取特征的混合深度罪名预测模型。受益于预训练模型新颖的模型架构,训练方式和海量语料支持,预训练模型在自然语言处理任务上获得了优异的结果,因此本课题使用多种预训练模型对法律判决书文本进行特征提取,提取到的特征输入基于CNN以及LSTM的分类模型中对判决书进行罪名预测。本课题将预训练模型提取的特征和传统模型提取的特征做对比,基于预训练模型的特征明显超过传统模型。2、基于刑事判决书的事理图谱构建和刑期预测模型。传统知识图谱大多关注实体的属性和关系知识,而忽视了事件之间的演化规律,事理图谱弥补了这一点,事理图谱中的节点为事件,边为事件之间的演化关系。本课题通过对判决书的文本进行预处理,事件抽取,事件关系抽取完成了事理图谱的构建。通过计算节点之间相似度的方法完成刑期预测。3、基于事理图谱的辅助判决方案生成系统。在本课题提出的两个模型的基础上,使用PyQt实现一个可视化系统,接收案情描述作为输入,输出包含罪名和刑期预测的辅助判决方案结果,给司法人员和人民群众提供法律辅助。