随着计算技术与人工智能技术的发展,人机对话系统得到了越来越广泛的研究,尤其是面向特定任务的人机对话系统,可以用于机票预订等客户服务中,帮助企业有效地降低运营成本,具有重要的应用价值。人机对话理解是人机对话系统的重要组成部分,其包含三个关键任务:领域识别,槽填充和意图识别。经典的人机对话理解技术将三个子任务分别建模,串行执行。这种管道方法存在误差累积等缺陷。近年来开始出现了一些将其中若干个子任务联合建模的方法,可以有效缓解误差累积等问题。本文在前人工作的基础上,对联合建模技术开展研究,主要工作内容包括:提出了 一种基于双向长短期记忆模型(bi-LSTM: bi-direction Long Short Term Memory)的联合建模槽填充与意图识别子任务的方法,对意图标志位、历史信息、语料规模等多种因素对模型性能的影响进行了分析,并与基于条件随机场(CRF: Conditional Random Fields)的联合模型进行了比较,实验表明了该方法的有效性。综合运用上述模型实现了一个面向会议室预订任务的人机对话系统,系统可以和用户进行会议室预订的人机交互,具有较好的交互能力。同时,基于该对话系统获取了一定规模的汉语人机对话数据,并对该数据集进行了意图与槽信息的标注。