意图识别任务本质上属于自然语言处理中的文本分类任务。意图识别任务按场景可分为口语意图识别和文本意图识别。口语意图识别使用语音识别输出的文本作为输入,因此口语意图识别的准确率会受到语音识别准确率的影响。通常,语音识别的准确率会受到环境噪声的影响,一般采用语音增强和语音降噪可以解决大部分问题。然而说话人口语表述方式的多样性以及每个人发音的独特性使得语音识别系统的识别内容距离用户的真实表述内容还存在一定差距。针对语音识别文本不准确导致下游口语意图识别模型预测准确率较低、鲁棒性较差的问题,本文结合语音识别输出的其他有用信息如N-best文本、音素、句子得分等信息,采用深度学习算法开展了口语意图识别的鲁棒性研究。本文的主要工作如下:（1）本文结合语音识别模块输出N-best文本、声学模型得分、语言模型得分提出了离散分桶方法和加权句子向量方法来提升口语意图识别的鲁棒性。通常,语音识别模块对一条输入音频会产出多个识别文本,每一条识别文本都对应一个声学模型得分和一个语言模型得分。为了更好的利用这些信息,离散分桶方法根据声学模型得分和语言模型得分将对应的N-best文本划分到不同的区间上进行拼接实验,粗粒度的融合了N-best文本信息和对应句子得分信息。加权句子向量方法通过计算归一化的声学模型得分和语言模型得分赋予N-best文本不同的权重,细粒度的融合了N-best文本信息和对应句子得分信息。所提出的两种方法充分利用了语音识别模块输出的信息,提升了口语意图识别的鲁棒性。（2）现有的预训练语言模型通常采用标准的写作文本进行预训练,在含有噪声的语音识别文本上表现较差。本文在Bert预训练模型上,提出了结合句子音素信息进行预训练的方法,增强了预训练语言模型中词向量在发音层面的表征能力,提升了口语意图识别的鲁棒性。（3）对抗训练是提升深度学习任务鲁棒性的常用方法,针对口语意图识别任务,本文在现有的1-best对抗训练方法上提出结合语音识别N-best文本的对抗训练方法,进一步提高了口语意图识别在语音识别文本上的预测准确率。本文的研究是在Snips数据集和物流外呼数据集上展开的,设计并完成了充分的对比实验用于验证提出的离散分桶方法、加权句子向量方法、结合音素信息的预训练语言模型方法、对抗训练等方法的有效性。最终的实验结果表明,本实验提出的方法可以有效的提升口语意图识别的鲁棒性。