根据现有的类案推荐方法得到的相似案件，其精确度通常很难满足法官的需求，辅助判案效果有限。为此，提出了一个基于上下文感知的类案匹配和推荐模型(CASCMR).模型为实现端到端高效率的文本匹配与推荐，使用多语义文档表达框架，并通过文本向量预先计算与存储，减少匹配时间，进而提高效率。具体而言，为了更好地对法律长文本进行建模，CASCMR使用BERT对数据进行编码，利用其注意力机制捕获文本长距离依赖信息。同时，考虑法律文本从局部到全局的信息，利用双向LSTM和CNN分别获取文本的上下文信息和局部语义特征，提高法律文本的表征能力，从而提升模型的预测性能。将所提出的模型应用到中国法研杯2019相似案件匹配任务，实验结果显示，与目前最好的方法相比，匹配和推荐精度的提升效果较为明显。