口语理解任务主要包括领域识别、意图识别和语义槽填充三个子任务,因而有关口语理解的研究可分为仅考虑单个子任务的粗略口语理解和联合多个子任务的精细化口语理解。综合以上分析,从口语理解两个角度和应用角度出发进行研究,主要工作如下:（1）针对口语交流中存在对话短易造成文本语义稀疏的问题,以及对话时的随意性会导致意图模糊不清的问题,提出一种融合实体信息和时序特征的意图识别模型。通过识别对话中实体信息并加入到动态词向量训练中来解决语义稀疏的问题,并利用双向长短期记忆网络来抽取意图在上下文对话中的关系来解决意图模糊的问题,最后基于g MLP的内部自相关机制自适应融合实体信息和时序特征进一步提升不同特征之间关联性。在相关数据集CCKS2018和SMP2018上进行实验,结果表明,所提模型能够有效提升意图识别的性能。（2）针对目前口语理解任务中单任务建模性能提升有限及级联多个子任务会造成误差在任务间传播的问题,提出一种双向关联多轮信息共享口语理解模型（BA-MIS）。首先,用预训练模型获取文本动态表示;考虑到上下文语境信息对意图识别和语义槽填充的影响,利用双向门控循环单元来获取上下文语境信息,并利用Attention对两个任务进行针对性提取以获取任务所需信息;接着构建多轮信息共享的网络（IN-SN）,第一轮在IN子网中计算意图与浅层语义槽特征之间相关性来得到意图增强向量,然后将意图增强向量送入SN子网进行共享得到语义槽增强向量,第二轮共享将语义槽增强向量代替浅层语义槽特征进行共享来提高任务之间信息共享程度与精度;最后利用分类网络进行意图识别,语义槽填充则利用能考虑全局信息的标签注意力网络对语义槽进行标记。在口语理解的标准数据集ATIS和SNIPS上进行实验,结果表明,该模型能有效提升口语理解的性能。（3）基于BA-MIS模型,以ATIS为基础数据集并调研了航空订票领域的现实需求,本文设计并实现了一个智能航空订票口语理解系统。通过将事先线下训练好的模型上传至服务器,并编写相应的后端代码调用模型和对应的页面代码来对口语理解的结果进行可视化展示。