意图识别任务与槽位填充任务是自然语言理解领域的基础任务。意图识别要求识别出文本序列的意图类别,而槽位填充则要求根据意图类别从文本序列中提取槽位值,以进一步明确文本序列的意图具体内容。一方面对意图识别任务与槽位填充任务的研究可以有效促进自然语言理解的发展;另一方面,意图识别任务与槽位填充任务对下游具体任务如对话系统等任务的研究具有重要意义。目前的深度学习模型在意图识别与槽位填充领域均取得了较好的成绩,但是对于省略了许多关键语义信息的口语化短句的识别效果仍有待提升。本文将外部信息引入意图识别模型以进一步增强模型对短句的语义建模效果,同时向意图识别与槽位填充联合模型中增加了语义增强模块,以进一步提升联合模型的性能。本文主要进行了以下三项研究工作:（1）标注了中文意图识别与槽位填充数据集,同时构建了与数据集内容高度相关的知识图谱。针对目前学术界所使用的中文意图识别与槽位填充数据集较少的问题,本文完成了对收集于各大论坛社区的短问句语料进行意图识别与槽位信息标注的工作;同时,还基于相关知识库构建出了与数据集内容高度相关的知识图谱。（2）将外部信息引入意图识别模型。由于短问句数据集存在关键信息省略、口语化等特点,深度学习模型的表现效果有待提高。本文将知识图谱作为外部信息引入到预训练语言模型中,提升了预训练语言模型在短问句数据集上的表现效果。（3）向意图识别与槽位填充联合模型中引入指示信息。本文首先将知识图谱中实体之间的语义关系融入到意图识别与槽位填充联合模型中,在实验数据集上取得了较好的表现效果;最后通过对错误样例的分析,对融入实体语义关系的联合模型作出进一步修改,加入了语义强化模块,并通过对比实验证明了引入指示信息可以进一步提升联合模型的表现效果。