随着我国司法改革的不断推进,司法机关开始面临审判业务日益复杂、案件日益增多的新形势。通过研究裁判文书中的命名实体识别,能够加快用户对无规则文本内容的理解以及对关键内容的把握。为法院后续的证据认定、情节认定、判决结果分析与程序合规性等分析打下基础。目前,深度学习理论和实践已经广泛应用于自然语言处理,并取得了良好的效果。本文将深度学习应用于法院裁判文书的研究。借鉴基于深度学习中的长短时记忆神经网络,提出了加入了条件随机场转移层的LSTM模型。训练得到带有上下文信息的模型,更符合文本信息的语言学特征。由于目前国际上没有裁判文书领域的公开规范标注语料,本文一方面通过大量的新闻领域标准语料学习得到LSTM模型,一方面将新闻领域的语言学知识通过深度学习加载预训练词向量的方法融入裁判文书语料,并将预测结果叠加至训练集进行迭代训练,对裁判文书领域的模型进行了参数选择,最终模型的F值达到了0.807。本文的创新点在于利用迁移学习的思想进行跨领域的命名实体识别,取得了较好的效果。