法律领域作为人工智能的传统应用领域已有了多年的研究历史，也出现了许多成功的应用系统。但在我国这方面的研究和应用还相对较少。本文描述了一个以基于事例推理(Case-BasedReasoning，CBR)为主的专家系统，用于刑事犯罪审判过程中的定罪与量刑推理，对人工智能在我国刑法领域的应用方面进行了一定的探索。作为一个实验性的原型系统，本文所述的刑法定罪量刑系统(CriminalLawSentenceandMeasureSystem，CLSMS)是以Indiana大学的CBR框架IUCBRF为工具开发的，系统用Java实现。 为了避免对刑法及犯罪行为复杂的知识抽象与表示的困难，本文提出了以法条为基础的犯罪事例表示和推理算法。为此提出了法条模糊集的概念，即以全部法条的集合作为论域，以法条权值与法条符合度的乘积作为模糊集的隶属度。其中法条权值表示该法条对定罪量刑的相对重要程度，由有经验的法律专家确定。法条符合度表示一个具体的犯罪对该法条的符合程度，可以由司法人员根据经验主观确定，或利用具有一定客观性的数学手段给出。将犯罪行为符合的法条模糊集作为事例的基本属性，这样事例之间的相似度就可以用模糊集的贴近度来定义。事例检索算法以最近相邻算法为主。事例的修改采取了基于规则推理(Rule-BasedReasoning，RBR)与法条局部结论相结合的方式。