人工智能通过建立知识图谱，在司法裁判领域运用范围相当广泛，基本上涵盖法官决策的全过程。今天列举几种知识图谱在司法领域的应用场景。
1. 庭前抽剥案件筋骨，形成争议焦点
依托电子卷宗随案同步生成系统，通过OCR技术，使电子卷宗转变为可复制、结构化、数据化的电子文件，实现案件信息自动回填，方便法官快速定位、检索相应内容及复制引用文字。通过构建法律知识图谱，运用自然语言处理、语义分析等技术自动提取和比对公诉意见书、起诉书、答辩状等材料中的诉辩意见和事实理由，自动归纳案件情节和争议焦点，自动生成庭审提纲，为法官提供庭审智能辅助。
类案推荐是通过对情节、证据、争议焦点、法律适用等关键信息的自然语义识别，形成案件知识库，当出现目标案件时，通过提取类型案件的关键要素，与系统内的历史案件进行匹配，自动推送类似的案例。类案智推有主动检索和自动推送两种实现方式：一是支持用户以关键字、短文本等方式检索，二是自动为用户推送同类案件、法律知识等辅助参考信息。
3. 裁判中配对类案判决，提供量刑建议
系统通过对海量裁判文书进行情节特征的自动提取和判决结果的智能学习，建立案件裁判模型，当案件导入系统后，通过提取案件事实、情节，自动统计、实时展示同类案件裁判情况，推导量刑结果。从目前来看，部分系统可以根据起诉书、庭审笔录等自动提取情节，匹配案件并进行量刑推荐。
NLPIR大数据语义智能分析平台平台是根据中文数据挖掘的综合需求,融合了网络精准采集、自然语言理解、文本挖掘和语义搜索的研究成果,并针对互联网内容处理的全技术链条的共享开发平台。其中KGB(Knowledge Graph Builder)知识图谱引擎是我们自主研发的知识图谱构建与推理引擎，基于汉语词法分析的基础上，采用KGB语法实现了实时高效的知识生成，可以从非结构化文本中抽取各类知识，并实现了从表格中抽取指定的内容等。KGB同时可以定义不同的动作，如抽取动作，并能自定义各类后处理程序。利用KGB知识图谱引擎可以抽取到产品的详细报价信息，方便进行下一步的数据挖掘与图谱构建。
KGB知识图谱特色包括：1、跨领域可扩展：知识图谱加工厂具有通用的图谱构建引擎。知识抽取、知识关联与质量核查过程不依赖特定业务知识，结合用户知识图谱构建的需求，可以快速构建用户领域知识图谱。2、知识质量智能核查:知识图谱加工厂实现对多种知识错误与冲突的智能核查与校验，并对知识库进行实时自动更新，保证知识图谱准确性。3、人机结合的服务:知识图谱加工场人机构成：90%机器+10%的人工，只需要提供语料，就可以快速得到对应的知识图谱构建成果。
