随着裁判文书网上公开政策的逐步落实,裁判文书质量问题渐渐成为了司法工作者们十分关注的重要课题。传统司法界工作者为了保障公开的裁判文书撰写质量往往需要人工对裁判文书进行审阅和校对,然而在法院案多人少的背景下,人工审阅十分耗费人力同时效果良莠不齐。随着国家司法信息化建设进程的不断推进,部分学者展开了针对裁判文书质量检测问题的研究工作,但之前的研究往往集中在泛用的字词校对等等技术而没有深入司法业务实践,没有对司法工作实践中最关注的裁判文书的规范性和说理质量的检测技术展开研究。本文针对领域研究的不足,应用规则、正则匹配等基础技术对裁判文书规范性检测方面的篇章结构划分、篇章结构规范性、语句规范性及法条引用规范性三个方面共19个检测项目展开了研究。同时本文对更为深入的裁判文书说理质量检测,首先量化定义了裁判文书说理全面性检测和裁判文书说理法律依据准确性检测两方面问题。并提出了应用XGBoost算法建模解决裁判文书说理全面性检测问题的技术,以及利用深度残差网络将裁判文书说理法律依据准确性问题建模为一个多标签文本分类问题,并通过引入案由信息来捕捉标签间关系的方式提升模型效果的说理法律依据准确性检测技术。同时本文通过多组对比实验对提出的裁判文书规范性和说理质量检测技术的效果进行了测试和验证,最终在多个规范性检测点上取得了超过85%的F1值的效果。同时在裁判文书说理全面性检测的判决回应诉讼请求问题上达到了88.26%的F1值,在数据集更不均衡、问题更复杂的理由与裁判依据回应诉讼请求问题上达到了81.41%F1值的效果。而对裁判文书说理法律依据准确性检查在28万份民事裁判文书数据集上进行训练和测试的实验效果达到了83.3%的宏平均F1值和82.5%的微平均F1值。最后本文利用PyQt5框架设计并实现了面向桌面应用的裁判文书质量检测系统,并利用Django设计了基于BS架构的裁判文书质量检测Web系统,对本文研究的技术进行了有机整合。