意図検出（intent detection）とスロット補完（slot filling）は、自然言語理解における重要な基礎的タスクである。実際には、一つの発話（utterance）に複数の意図が含まれることがある。このような状況下で、異なる意図を対応するスロットに適切にマッピングする方法は、近年の研究における新たな課題となっている。既存のモデルは、各スロットに対して関連する意図情報を適応的に捉えるためにニューラル層を用いるが、この意図選択のプロセスは明確でないという問題がある。本研究では、文の意図とトピックの間に強い一貫性が観察されたことから、トピック情報を活用して意図検出とスロット補完を統合的に処理するトピック融合機構を提案する。この機構では、トークンレベルでのトピック情報を意図情報の代わりに用い、スロット予測をガイドする。さらに、文レベルのトピック情報も意図検出の精度向上に活用している。実験結果から、2つの公開データセットにおいて明確な性能向上が確認された。MixATISでは文単位の正確率が4.8%向上し、MixSNIPSでは意図検出精度が0.7%向上した。