의도 탐지와 슬롯 채우기의 공동 작업을 위한 주의 기반 순환 신경망 모델은 현재 최고 성능을 달성하고 있으나, 각각의 주의 가중치를 독립적으로 가지는 문제를 안고 있다. 의도와 슬롯 간에는 강한 관계가 존재하므로, 본 논문은 의도와 슬롯 주의 벡터 간의 관계를 학습하는 데 초점을 맞춘 슬롯 게이트를 제안한다. 이를 통해 전역 최적화를 통해 더 나은 의미 프레임 결과를 도출하고자 한다. 실험 결과, 제안하는 모델은 기준 ATIS 및 Snips 데이터셋에서 주의 기반 모델 대비 각각 4.2%, 1.9%의 상대적인 개선율을 보이며 문장 수준의 의미 프레임 정확도를 크게 향상시켰다.