近年来,最高法院联合各级下属单位发布了大量规范化的裁判文书。法律案件裁判文书是法学界颇具研究价值的文献,对于广大法律研究者来说也是宝贵的研究材料。与此同时,随着自然语言处理技术的发展,为了提高司法从业者的办案效率,将人工智能技术应用在司法领域已逐渐成为一种趋势。相似案例匹配作为人工智能支持司法审判的重要内容,对提升法院的整体审判水平、实现类案适法统一、促进司法公正有着重要的积极意义。相似案例匹配属于文本匹配的范畴。而作为自然语言处理领域基础任务之一的文本匹配,则实现了从早期基于数据统计的传统文本匹配方法到近些年基于深度学习文本匹配方法的过渡。本文通过对现有文本匹配技术的研究,总结出了当前流行的两种深度学习文本匹配算法,分别是基于单语义表达和基于多语义表达。但是这些方法通常只将注意力集中在对整个文本的语义进行表示,容易忽略局部信息。为此,本文根据法律裁判文书的特性,设计了新的基于句法分析的文本匹配方法。具体研究如下:首先,研究了获取裁判文书句法关联信息的方法。裁判文书中包含大量固有表述的词语,且最高法院规定了刑事裁判文书的制作规范及文书样式,为法律文本数据集的处理提供了有力的依据。通过设计裁判文书主题-关键词体系,对法律案例文本进行依存句法分析,再结合句法关系树设计主题-关键词关联算法和主题-关键词搭配相关性算法构建句法关联特征矩阵,支撑裁判文书的匹配任务。其次,提出了多模块融合匹配金字塔模型（Multi-Module Match Pyramid,MMMP）。模型针对现有基于语义表达的文本匹配算法在匹配过程中容易产生重要信息丢失的问题,利用MMMP模型在文本的匹配分数基础上进行多模块融合,分别提取词语的重要性信息、上下文相关信息和句法关联信息。最后,利用中国裁判文书网获取的真实案件数据集,设计模型实验。通过实验验证,在CAIL2021-LeCaRD数据集上,本文设计的MMMP模型在设定的各项指标上均优于它几类经典的基于语义表达的文本匹配模型。并通过消融分析实验证明本文提出的句法特征提取算法对于获取法律案例文本的句法关联信息是有效的。