人工智能技术的进步、司法数据的公开给法律行业带来的影响至宽至远。借助自然语言处理技术,建立专业领域知识库,辅助教师针对学生的自动评测是智能教学的趋势之一。法律案例模拟系统包含大量法律案例,充分依托互联网技术,模拟真实的诉讼流程,实现智能化教学,为探索法学教育的出路提供了一定启示。通过对法律案例模拟系统进行需求分析,将模拟系统的诉讼请求评价任务转换为诉讼请求和判决事项匹配问题。目前这方面的研究工作还较少有相关的文献报告,因此,本文对面向法律案例模拟系统评价的句子匹配实现方法进行了试验性的研究。主要工作有以下几点:(1)针对法律案例模拟系统的评价问题,开发一个法律案例诉讼请求和判决事项句子匹配数据集。该部分的工作内容主要包括:分析判决书的特点、判决书数据的爬取、诉讼请求和判决事项的抽取、设计合适的标注规范等。(2)研究无监督的诉讼请求和判决事项匹配方法。用基于简单加权词向量平均的匹配方法作为无监督匹配方法的基线系统,实现基于逆语料词频(smooth inverse frequency,SIF)加权词向量平均的匹配方法,该方法使用预训练词向量,融合大规模语料词频信息,对句中所有词对应的词向量进行加权求和,然后使用主成分分析进行降噪处理,最后计算句子向量余弦相似度。实验结果显示相较于基于简单加权词向量平均的匹配方法,基于SIF加权词向量平均匹配方法取得了相对较好的性能。(3)研究有监督的诉讼请求和判决事项匹配方法。用双向多角度匹配模型作为有监督匹配方法的基线系统,该方法在两个方向上,对一个句子的某个时刻向量表示和另一个句子向量的所有时刻向量表示进行匹配,制定了四种匹配策略,最后聚合分类。研究基于多重注意力机制模型的匹配方法。该方法通过融合多种注意力机制,来增强句子建模中单词级别上的交互,并使用“门”机制抽取关键信息,最后使用感知机分类。实验结果显示相较于双向多角度匹配模型,多重注意力机制模型取得了相对较好的性能。(4)设计构建法律案例模拟系统诉讼请求评价子模块。模拟真实的案例诉讼流程,利用基于多重注意力机制模型句子匹配方法对用户书写的诉讼请求实现智能化的评价。