随着我国建设法制强国步伐的加快,法院面临的案件类别、涉案人员、判决结果等数据信息也日益增长。在法院对案件进行审理的过程中,为了避免相似案情不同判决结果等重大失误的发生,案件审理人员在对案件做出判决时,需要花费很多时间在阅读案件笔录和相关历史案件的分析上。这不仅造成了人力、物力的浪费,而且在这个过程中难免会出现一些误判、漏判的情况,就会给国家和人民造成一定的损失。基于人民法院遇到的这种问题,本文利用自然语言处理和深度学习的技术,根据法院对刑事案件案情的文字描述,智能地生成相应的判决结果,并将判决结果转化为法院的标准裁判文书。法院案件审理人员以此裁判文书作为参考,从而能够快速准确地对案件做出判决,给出公平公正的判决结果。裁判文书作为法院审判结果的最终依据,包含了案情描述和判决结果等内容。因此,本文首先利用爬虫技术,从国内某法院裁判文书网站获取己公布的近20余万条裁判文书。然后利用正则表达式等技术,对这些文档内的关键信息进行提取,建立JSON格式的语料库。再利用自然语言处理的相关知识,对语料进行分词、文本向量化等操作,将其输入到以深度学习为基础建立的神经网络,经过多轮次训练获得法院判决结果的预测模型,并将该模型应用到了法院智能审案系统中。法院智能审案系统是以案件详情的文字描述作为输入,传入到法院判决结果预测模型中,模型就会预测出案件的判决结果。预测出的判决结果包括犯罪嫌疑人所犯的罪名、判决的刑期以及做出此判决所依据的相关法律条文。我们最终利用这些预测的判决结果,再根据裁判文书的格式要求,智能地生成了一份裁判文书。在本文的研究过程中,不仅使用了自然语言处理的基本知识,而且完成了基于深度学习的NLP文本分类模型的建立,并提出了一种更加优化的文本分类模型,使得预测判决结果的准确率得到了提升,同时提高了法院相关人员的判案效率。