人机对话系统是指机器能通过语音实时地与用户进行对话,并能为用户提供帮助或服务的系统。人机对话系统通常由语音识别模块、口语理解模块、对话管理模块、文本生成模块和语音合成模块组成。其中口语理解模块主要用于提取口语文本中的领域信息、意图信息和语义槽信息。口语理解模块在人机对话系统中起着至关重要的作用。因此本文结合深度神经网络对口语理解进行了深入研究,并将研究结果应用到语音订餐对话系统中。首先,针对口语文本长度短,特征稀疏,意图分类准确率难以提升的问题,本文提出了一种基于局部语义特征与上下文关系融合的中文短文本分类模型。该模型利用卷积神经网络提取文本的局部语义特征,同时利用双向长短时记忆神经网络提取文本的上下文语义特征,并结合注意力机制,使该模型能从众多的信息特征中提取出和当前任务最相关的特征,更好地进行意图分类。其次,在口语理解任务中,意图识别与语义槽填充任务之间存在一定的关联效应,基于此本文提出了针对订餐领域的意图识别和语义槽填充联合模型。该模型能同时完成意图识别任务和语义槽填充任务,其中ALBERT预训练模型和卷积神经网络用于完成意图识别任务,ALBERT预训练模型和条件随机场用于完成语义槽填充任务。最后,结合上述研究成果和根据订餐这一实际应用场景,本文设计了可用语音进行交互的语音订餐对话系统。本系统连接微信公众号平台,通过不同使用人以及不同语速的测试和统计识别率表明,该系统可以满足语音订餐交互的要求。为了进一步提高系统口语理解的准确率,本系统还增加在线学习模式。该模式用于收集识别错误的语料,进行模型的训练并进一步提高口语理解的准确率。