建筑业作为我国社会经济发展的支柱产业,在高速发展的同时,也催生出了诸如工程质量安全事故、违法发包、工程款拖欠等社会问题,关于施工合同纠纷的案件数量大幅上涨。在进行诉讼前,案件诉讼当事人需要查找案件的适用法条,了解面临的法律问题和法律规定,从而为案件的诉讼提供法律依据。实际操作中,案件诉讼当事人往往选择咨询法律专家（如律师）或选择通过法律搜索系统来查找案件的相关法条。法律咨询十分昂贵,自动法律检索系统是一种更实惠的法条查找方式。当前主流的法律检索系统虽然提供了法条的查询方法,但用户无法通过简单的案件陈述获得相关的法条,需要专业的法律知识。因此,需要一个专业的施工合同纠纷案件法律查询系统,允许诉讼当事人通过输入自然语言描述案件事实快速查找案件的适用法条。本文提出了一种基于深度学习的施工合同纠纷案件法条推荐方法。首先通过对施工合同纠纷判决书的内容进行分析,利用文本挖掘技术,构建了施工合同纠纷案件法条推荐数据集,共包含11481条有效数据。其次,通过对施工合同纠纷案件法条推荐任务进行分析,将法条推荐任务转换为法条多标签分类问题,引入sigmoid交叉熵损失,构建TextCNN多标签分类模型,并在施工合同纠纷案件法条推荐测试集上对比了多种常用多标签分类方法,结果表明TextCNN多标签分类模型在测试集上的表现最好。最后,设计了施工合同纠纷案件法条推荐原型系统,通过结合TextCNN多标签分类模型和挖掘的法条关联规则,对查询的案件适用法条进行共现和关联扩展,帮助诉讼当事人查找其涉及的施工纠纷合同案件的相关法条。本文提出的案件适用法条推荐研究,有助于诉讼当事人通过自然语言描述案件事实快速查找案件的适用法律。本文研究成果对使用大数据和人工智能技术解决施工合同纠纷有借鉴意义。