目前,自然语言处理技术快速发展,在金融、医疗健康等领域,得到了越来越广泛的应用,但是在检务领域研究较少。为实现新技术与检察实务领域的深度融合,最高人民检察院提出了探索推进检务公开实施方式、打造智慧检务的目标。本文旨在探索自然语言语义理解在检务公开领域人机交互模式下的创新应用,针对现有语义理解架构中未考虑问句中的深层语义关系、过分依靠关键字匹配的弊端等问题进行改进,主要的研究工作和创新点包括以下三个方面。(1)基于BERT模型的中文分词研究。BERT模型作为一种新的语言表征模型,可以引入丰富的上下文信息并通过微调的方式快速有效的构建中文分词模型。本文在BERT模型的基础上,针对检务公开活动场景的特点,采用序列标注的方式进行中文分词,并设计了法律领域词典和中文姓名词典特征的引入方法,以提升分词模型在法律领域上的分词性能。两种方式分别将F1值(加权调和平均值)在基准分词模型基础上提升了1.1%和2.6%。使最终的分词模型在法律文书数据集上的分词效果相对于常用分词工具有较好的提升。(2)基于图的语义依存分析研究。语义依存是一个融合了语义角色标注和句法分析的联合模型,不在受限于语句表面的句法结构,可以获取深层次的语义依赖信息。本文采用基于图的思想以双层Bi LSTM(双向长短时记忆网络)算法为核心构建了中文语义依存分析模型,并在此基础上设计了在模型中融入法律语料的BERT嵌入向量以及建立法律词语依存关系词典两种方法,来提升模型的性能。实验表明,在检务公开问句集上,可以将LF(弧标签F值)在基准解析模型基础上分别提升1.02%和1.19%。(3)SPARQL查询语句构建方法研究。对于RDF框架构建的知识库,SPARQL可以进行高效准确的检索,不需要理解特定于领域的关系或类型,即可获取该数据和询问相关问题。本文以查询三元组为核心,通过对检务领域问答对的研究和分析提取出简单的抽取规则,将语义依存结构解析成查询三元组列表,并根据策略转换成SPARQL查询语句,查询语句可以用于检务公开领域法律知识图谱或者法律知识库的检索查询。本论文依托于最高检国家重点研究项目展开研究,通过中文分词、语义依存分析以及SPARQL语句等技术实现对检务咨询问句的语义理解架构,实验结果表明,该架构能够从语义角度有效的将咨询问句转换为SPARQL查询语句,不仅在检务公开活动场景下为用户提供了高效获取答案的新方式,也为后续项目的研究奠定了良好的基础。