Un sistema de comprensión del lenguaje hablado (SLU) generalmente implica dos subtareas: detección de intención (ID) y rellenado de ranuras (SF). Recientemente, se ha demostrado empíricamente que el modelado conjunto de ID y SF conduce a un mejor rendimiento. Sin embargo, los modelos conjuntos existentes no pueden utilizar explícitamente la información codificada de las dos subtareas para realizar una interacción mutua, ni lograr la conexión bidireccional entre ellas. En este documento, proponemos un mecanismo de abstracción tipificado para mejorar el rendimiento de la detección de intención mediante la utilización de la información codificada de las tareas de SF. Además, diseñamos un enfoque de iteración tipificado, que puede lograr la conexión bidireccional de la información codificada y mitigar los efectos negativos de la propagación de errores. Los resultados experimentales en dos conjuntos de datos públicos ATIS y SNIPS muestran la superioridad de nuestro enfoque propuesto sobre otros métodos de referencia, lo que indica la efectividad del enfoque de iteración tipificado.