伴随信息技术在司法行业的广泛应用,越来越多的司法业务数据迁移到了信息系统中。在最高人民法院的统筹领导下,我国顺利建成裁判文书网、审判流程信息公开网等司法平台,一定程度上完成了司法业务的信息化。司法信息化带动了司法智慧化的发展,司法部提出“数字法治、智慧司法”的指导意见。当前,代表性的智慧司法应用包括类案自动推荐、法条自动预测和量刑自动预测等。这类应用的基础都是深度学习模型,深度学习模型需要大量的司法文本作为输入的训练数据。当前智慧司法应用的落地存在一个问题,就是司法文本数量不够且质量不高,这就导致训练出来的模型应用效果不好、且泛化能力差。因此获取足够数量以及较高质量的司法文本,成为了司法技术研究者的需求痛点。本文设计并实现了一个数据质量驱动的司法文本扩增系统,相比于传统的数据扩增方法,本系统聚焦于司法领域,从数据质量的角度出发实现扩增。针对司法裁判文书这类半结构化数据,文本质量可以在司法领域特征内划分为客观和主观两个维度,然后基于这两个维度设计扩增方法。对于客观质量维度的扩增,取裁判文书中具备结构化特征的部分,结合文本数据扩增基本规则和客观信息论,从归纳的质量维度对司法文本进行扩增,本文共设计了五种客观维度的扩增方法,具体包括延迟性扩增、真实性扩增、完整性扩增、一致性扩增和易读性扩增,五种方法分别从司法文本的五个客观质量维度进行扩增。对于主观质量维度的扩增,选取裁判文书中结构化无法体现的文本质量维度,本文聚焦文本中包含的语义信息,模拟人的主观判断,结合机器学习技术,用word2vec学习司法文本的特征,实现司法语言特征扩增,并结合情感分析技术实现情感中立性扩增。本文技术的实现以Python的web框架Django为基础,将扩增后的司法裁判文书以文本文件的格式输出。对于文件管理,采用HDFS文件系统存储文件数据,这种分布式存储服务可以有效提高文件存储的可拓展性。经实验验证,本文设计的司法文本扩增系统能够扩增出高质量司法文本,继而用以提高智慧司法机器学习模型的质量。