开发一个高效的智能个人助理的关键是准确的理解和识别用户的需求,而用户话语需求识别技术包括意图识别和槽填充两个任务。在现实场景中,用户的一个需求表达中通常包含多个意图,但是大多数现有意图识别模型均关注单一意图识别问题,无法处理多意图对话场景,并且这些模型忽略了显式的意图和槽值之间的映射关系,导致了槽填充任务性能的损失。此外,现实场景中的意图也不是独立存在的,多个意图之间存在树型和图型的关联关系。现有模型也无法捕捉意图之间的内在关系来提升用户需求识别能力。因此,本文提出两个新颖的模型:基于注意力机制的槽值-意图映射联合模型和基于意图关系网络的多意图识别和槽填充联合模型,联合训练多意图识别任务和槽填充任务。首先,针对多意图识别问题,本文提出了基于注意力机制的槽值-意图映射联合模型。该模型采用双编码器-译码器的结构联合处理意图识别和槽填充两个任务,并通过注意力机制捕获用户话语中的重要信息,不仅可以合理利用意图识别和槽填充之间的共享信息,而且联合处理的方式简化了训练过程。然后,本课题考虑到了槽值和意图之间的映射关系,在槽填充任务的译码阶段利用注意力机制平衡多意图信息对当前时刻单词的重要性程度,最终达到利用多意图信息来指导槽填充任务的目的,进一步增加了两任务之间的交互性。最终达到准确识别出用户所有意图的目的,后续为用户提供精准服务。随后,针对现有模型无法利用用户话语中的多意图关系网络信息的现状,本课题提出基于意图关系网络的多意图识别和槽填充联合模型,通过利用基于知识图的表示嵌入方法,学习用户话语中的意图之间关系的特征表示。最终将学习到的意图特征向量和意图关系特征向量引入到多意图识别,为意图识别译码阶段提供额外的知识信息,实现利用意图关系指导多意图识别的目的。为了验证算法改进的有效性,本课题在多意图数据集进行了实验。结果表明本课题提出的模型得到了有效的改进,达到了先进的性能。最后本课题实现一个基于安卓手机的智能个人助理,并将本课题提出的模型嵌入其中,展示与验证算法模型的有效性,并对应用程序进行测试,完成对本课题所提出的理论方法的验证。