近年来中国的法院面临着司法资源紧张,人少案多的问题。最高人民法院提出了建设智慧法院的意见,要求充分发挥人工智能等新技术的优势辅助法官办案,减轻办案人员的负担,促进法官同案同判和量刑规范,提升司法公信力。因此,本文通过对基于深度学习模型的相似文本计算方法进行研究,设计了案例推荐系统。类案推荐是人工智能技术在司法领域的应用之一,通过将查找相关案例的操作交给系统完成,一方面有助于提高法官办案的效率,缓解司法资源紧张的问题,另一方面也有助于促进判罚尺度的统一,具有一定的研究意义和应用价值,本文具体的研究内容如下:1.设计案例推荐系统所使用的文本相似算法模型。首先对文本相似度计算的方法进行分析,选择使用基于深度学习的方法进行模型的设计。然后对本文使用的词向量模型、神经网络的结构和模型融合等深度学习技术进行详细的介绍,并在此基础上提出了融合卷积神经网络、长短时记忆网络和注意力机制等网络结构的CPLSTM-ATT模型。该模型主要通过结合不同网络的特点学习到更丰富的语义特征。最后在BERT语言模型的基础上,结合多种网络设计模型进行文本相似度的计算。2.对设计的文本相似算法模型进行实验分析,选择合适的方案构建系统。首先使用不同词向量结合卷积神经网络进行实验,对比实验结果选择合适的词向量。然后加入其他相关的模型进行实验,并对整体的结果进行分析对比。本文共使用了11种模型进行实验并分析实验的数据。最后对模型进行了优化和融合,实验表明这在一定程度上提升模型的表现。3.完成案例推荐系统的设计。首先,在选择的相似算法模型的基础上搭建案例推荐系统的整体框架,然后设计了用户交互界面和数据库等部分,最后展示了系统的功能。本文将自然语言处理的技术应用在类案推荐上,提出了基于多种网络结构的融合模型,引入BERT设计文本相似算法模型并优化模型提升了效果。经过实验,最终确定的模型为BERT-LSTM-ATT2模型,该模型判断的准确率达到75.90%,具有较好的表现,在此基础上本文完成了案例推荐系统的设计。