刘璐瑶，李 实

（东北林业大学 信息与计算机工程学院，哈尔滨 150006）

0 引言

在传统的司法领域中，案件判决依赖于法官、律师等法律相关人士的专业解答和辩论流程。对于普通人而言，复杂的法律条文构成了专业壁垒，对于案件结果的预判也与专业人士存在较大差距［1］。对于专业人士而言，大部分案件都属于常见案件，预测过程较为简单。如果能用技术手段学习到这些案件的共性，让量刑过程实现自动化或者半自动化，辅助法官的决策过程，一方面能将司法工作者从琐碎的事务中解放出来，另一方面也有利于消除人的主观因素的影响［2］，实现同案同判。

当今时代，随着法律的不断完善，人民的法律意识也不断提高，与此同时历史案件在不断累积，新案件也在不断的增加［3］，司法领域的各种公开案件量已足够满足深度学习需求，使得用深度学习技术进行司法领域相关问题的研究成为可能。

国外的研究者已经开展了大量的关于人工智能在司法领域各个方向的研究。Vlek 等通过贝叶斯网络对案件的现有证据进行建模、分析与推理，在刑事案件的审判中，能够更好的通过模型从文本中提取出当前案件的场景描述，并能够直接的向法官或者陪审团提供对于现有证据的分析与结果展示［4］；Ashley 等人通过建立案件数据库，从已判决案件的文本描述中提取信息，并应用这些信息使用决策树算法完成自动预测新案件的结果［5］。

英美司法智能研究与中国在许多方面有所不同。……