単語をスロットとして認識し、発話の意図を検出することは、自然言語理解における重要な課題となっています。既存の研究では、スロットフィリングと意図検出をパイプライン方式で別々に扱うか、単語レベルのスロットを逐次ラベリングしながら発話レベルの意図を要約するジョイントモデルが採用されていますが、単語、スロット、および意図間の階層的な関係を明示的に保つことはありません。この階層的な意味構造を効果的に活用するために、我々は動的ルーティング・バイ・アグリーメントスキーマを通じてスロットフィリングと意図検出を行うカプセルベースのニューラルネットワークモデルを提案します。さらに、推論された意図表現を使用してスロットフィリングの性能を向上させるための再ルーティングスキーマも提案しています。2つの実世界データセットでの実験結果は、他の代替モデルアーキテクチャや既存の自然言語理解サービスと比較して、我々のモデルの有効性を示しています。