随着人工智能分支下的自然语言处理技术快速发展和国务院对智慧法院的大力推行,智能司法助理已成为自然语言处理在司法领域的新应用。司法助理能够缓解当前司法领域“案多人少”现象,一定程度上辅佐法官、律师进行案件处理,缓解司法从业人员压力。让“智慧法院”的信息化建设成果能够有效的服务人民群众。目前司法领域内案件可挖掘的内容十分丰富,拥有着许多有价值的内在联系信息。使用基于词向量和深度神经网络的文本分类方法实现了统计学上的司法文书分类,但是无法实现对司法案件内在逻辑的解释。基于统计学习的方法虽然能够得到较为满意的结果,但是无法给出令人信服的解释。对于存在严谨逻辑性的司法领域,这是往往不能被接受的。本课题旨以刑事案件司法判决文书进行分析,提出并构建司法文本的语义逻辑树,并通过深度森林对事件树进行可解释性挖掘。司法文书通过对句子进行切分得到若干个子树片段,每个子树片段通过依存句法分析得到核心主谓宾三元组。通过TF-IDF算法将三元组进行权重计算,得到核心子事件序列并采用剪枝算法构建最大堆。设计的三元组编码算法实现事件树最大堆向量化,并嵌入深度森林算法实现司法文本事件树类目判别。最后自动进行司法案件的罪名自动判别和相似文书案例的推荐。基于事件树构建的模型能够将司法案件中的许多重要知识进行关联并通过计算相关知识权重自动进行判案,并把最终判案的相关知识通过可视化的方式展示。实验结果显示所提出的事件树构建方法结合深度森林算法能大大提升司法文本的逻辑解释性和准确率。