在网络时代背景下,随着全国法院裁判文书上网公开,社会公众对司法的关注度不断提高,司法需求日趋强烈。类案同判,是人民群众对司法公平正义最朴素的理解与认知。案例检索是实现类案同判的必由之路,最高人民法院明确设立了类案与关联案件检索机制。实现类案的精准检索为统一裁判尺度、维护司法公正权威及辅助法官判案提供支撑,并将产生巨大的社会影响与现实价值。现有类案检索系统基本上都采用关键词的检索方式,这对检索用户制定关键词的能力提出了较高的要求,并且检索的效果往往比较差。本文将司法判决书作为研究对象,以自然语言处理为核心技术对类案语义检索进行前沿性的探索与研究,以期提升类案检索的效果与体验。本文的主要工作如下:（1）构建了一个大规模司法案件的案情知识图谱。本文基于专家知识定义了判决书的细分段落类型与知识图谱数据模式;采用制定的规则及策略对判决书进行结构化解析;基于标注数据和预训练语言模型进行实体关系抽取模型的学习,以实现非结构化文本的知识抽取;设计了个案案情知识图谱自动构建流程,并实现了数十万份判决书的案情图谱自动构建。（2）提出了一种融合知识表示学习的关系抽取模型。本文在关系抽取任务中引入了知识表示学习,分别融合了基于平移距离的模型与基于语义相似度的模型,结果均表明利用知识进行指导与约束可显著提升关系抽取的效果,并同时获得了结合上下文的案情知识嵌入表示。（3）设计了一种基于联合学习的实体关系抽取模型。基于现有关系抽取工作,本文设计了一种实体识别与关系抽取联合学习模型,相比基于管道的方法,关系抽取的效果得到了有效改善,底层共享编码的机制将提高知识抽取的效率。（4）设计与实现了基于案情知识图谱的类案检索原型系统。本文对类案检索系统的整体架构进行了设计,基于前后端分离的架构并利用案情知识开发了类案语义检索系统,并对案情图谱进行了可视化展示。案例应用示例表明该系统可为用户提供良好的检索效果与体验。