現代の音声対話システムの主要な構成要素の一つは、対話の各ステップでユーザーの目的を推定する信念トラッカーである。しかし、現在の大多数のアプローチは、より大規模で複雑な対話ドメインへのスケーリングに困難を抱えている。これは、a) 大量の注釈付き学習データを必要とする音声言語理解モデルに依存していること、または b) ユーザー言語における一部の言語変異を捉えるために手作業で作成された辞書に依存していることによるものである。本研究では、表現学習の最近の進歩に基づいてこれらの問題を克服する新しいニューラル信念トラッキング（NBT）フレームワークを提案する。NBTモデルは事前学習済みの単語ベクトル上で推論を行い、それらをユーザー発話を対話コンテキストに組み込んだ分散表現へと学習する。我々が2つのデータセットで行った評価では、このアプローチが過去の制約を超えており、手作業で作成された意味論的辞書に依存する最先端モデルと同等以上の性能を示し、そのような辞書が提供されない場合でもそれらを上回ることが確認された。