يُعد فهم اللغة المنطوقة (SLU) مسؤولًا بشكل رئيسي عن مهامين: تحديد النية وتعبئة الحقول (slot filling)، والتي تُنمذج عادةً معًا في الدراسات الحالية. ومع ذلك، تفشل معظم النماذج الحالية في استغلال العلاقات التداخلية بين الحقول والنوايا بشكل كامل، مما يحد من أداءها المحتمل. لمعالجة هذه المشكلة، نقترح في هذا البحث شبكة ذاكرة تعاونية جديدة (CM-Net) تعتمد على كتلة مصممة بعناية تُسمى CM-block. تبدأ كتلة CM بالاستخلاص التلقائي للخصائص المميزة للحقل والخصائص المميزة للنية من الذاكرة بطريقة تعاونية، ثم تستخدم هذه الخصائص المُثرّاة لتعزيز تمثيلات السياق المحلي، والتي تُستخدم بدورها لتمكين تدفق المعلومات التسلسلية نحو تمثيلات عالمية أكثر تحديدًا (للحقل والنية) للعبارة الكلامية. وباستخدام تجميع عدة كتل CM، تتمكن شبكة CM-Net من إجراء تبادل معلومات متكرر بين الذاكرة المحددة، والسياق المحلي، والعبارة العالمية، مما يُسهم في تطوير كل منها بشكل تراكمي. وقد تم تقييم شبكة CM-Net على معيارين قياسيين (ATIS و SNIPS) وواحدة من مجموعات البيانات التي جمعناها بأنفسنا (CAIS). وأظهرت النتائج التجريبية أن شبكة CM-Net تحقق أفضل النتائج الحالية على معياري ATIS و SNIPS في معظم المعايير، كما تتفوق بشكل ملحوظ على النماذج الأساسية على مجموعة CAIS. علاوةً على ذلك، قمنا بجعل مجموعة بيانات CAIS متاحة للجمهور لصالح مجتمع البحث.