人工智能技术近年来有了跳跃式的发展,其理论和实践应用甚至覆盖到了司法领域。法律智能作为一种司法辅助工具,有利于提高司法效率,促进法律平等与司法公正。本文基于自然语言处理技术,构建了司法案件罪名分类模型和案例推荐模型。罪名分类模型是在给定案情描述的情况下预测罪名,辅助司法从业人员预判常规案件罪名,减轻司法从业人员工作负担。实验以宏F1分数作为模型评价指标,SVM分类模型作为基准模型,对比了Text CNN分类模型、BERT分类模型和Mean-Max BERT分类模型三个罪名多标签分类模型的性能。实验表明,Mean-Max BERT分类模型在四个模型中的预测结果最佳。司法案例推荐模型是为了向司法从业人员提供相似案件。基于输入案件的案情描述与案件库中案件案情描述之间的余弦相似度,选出与输入案情描述相似度高于50%的案件作为推荐案例。通过对比TF-IDF推荐模型、Mean＿Word2vec推荐模型、Weight＿Word2vec推荐模型和Doc2vec推荐模型的微F1分数发现Weight＿Word2vec推荐模型在四个模型中的推荐效果最佳。案例推荐模型有助于司法从业人员对非常规案件做出正确的定罪和量刑判断,实现“同案同判”。