语音理解（SLU）系统包括两个主要任务：槽填充（SF）和意图检测（ID）。联合模型在SLU中正逐渐成为趋势。然而，现有的联合模型尚未建立意图和槽之间的双向关联连接。本文提出了一种新型的双向关联模型，用于联合意图检测和槽填充。我们引入了一个SF-ID网络，以建立这两个任务之间的直接连接，帮助它们相互促进。此外，我们在SF-ID网络内部设计了一种全新的迭代机制，以增强双向关联连接。实验结果表明，与当前最先进的模型相比，我们的模型在ATIS和Snips数据集上的句级语义框架准确性分别提高了3.79%和5.42%。