口语理解系统是一个让用户通过口语方式与机器进行交互的系统。目前口语理解系统在银行、快递、保险等行业得到广泛应用,其能够通过理解用户口语内容并给出答案,满足用户在特定领域的查询需求。近年来,能自动提供问答服务的口语理解系统成为新的研究热点。从一开始基于传统机器学习实现口语理解系统到如今基于深度学习方法实现,口语理解系统的性能不断得到提高。但口语理解系统仍存在意图识别和词槽填充正确率不足的问题。导致模型正确率不足的原因主要体现在三个方面:问答数据集数据量不足、词槽填充序列预测不合理、领域特征利用不充分。本文主要围绕以下三个方面进行展开并取得创新研究成果:首先,构建意图识别和词槽填充基线模型。通过学习和研究当前口语理解系统的研究成果,构建意图识别和词槽填充基线模型。然后对基线模型中各组件进行研究分析,确定每个组件在模型中的作用以及不足,并针对其不足提出对应优化方法。其次,为改进基线模型的三个不足,本文构建文本相关预训练模型、领域特征训练模型以及条件随机场训练模型。本文首先在基线模型基础上加入文本相关的预训练模型来提高模型的泛化能力,使得训练得到的模型能准确理解集外数据的文本内容;接着基于基线模型加入条件随机场模型,使得模型能够对预测序列特征进行学习,从而处理词槽填充序列预测不合理的问题;然后构建领域特征模型来进一步缩小意图识别的范围,进而提高模型意图识别的准确率;然后基于基线模型构建包含以上三种优化方法的综合模型,并验证模型的有效性。最后,开发基于综合模型的口语理解系统。本文提供一个以WEB浏览器作为交互平台的软件系统。该系统采用B/S架构和使用Golang+My SQL技术进行系统开发。该系统实现语音转写、问题分析、答案获取、口语问答、文本问答等功能。本文从实际出发,结合实践与理论,完成基于综合模型的口语理解系统实现的全过程,并通过测试和使用来体现系统的实用性。