التعرف على أفعال الحوار يربط أفعال الحوار (أي، العلامات الدلالية) بالعبارات في محادثة. يمكن معالجة مشكلة ربط العلامات الدلالية بالعبارات كمشكلة تصنيف تسلسلي. في هذا البحث، نقوم ببناء شبكة عصبية متكررة هرمية باستخدام LSTM ثنائية الاتجاه كوحدة أساسية وحقل عشوائي مشروط (CRF) كطبقة عليا لتصنيف كل عبارة إلى فعل حواري متوافق معها. تقوم الشبكة الهرمية بتعلم تمثيلات على مستويات متعددة، أي مستوى الكلمة، مستوى العبارة، ومستوى المحادثة. يتم إدخال التمثيلات على مستوى المحادثة إلى طبقة CRF، والتي تأخذ بعين الاعتبار ليس فقط جميع العبارات السابقة ولكن أيضًا أفعال الحوار المرتبطة بها، مما يتيح لها نمذجة الارتباط بين العلامات والعبارات، وهو اعتبار مهم في الحوار الطبيعي. نحن نتحقق من صحة نهجنا على مجموعة بيانات مرجعية مختلفة هي Switchboard وGroup Discussion Dialogue Act (GDDA)، ونظهر تحسين الأداء بمقدار 2.2٪ و4.1٪ نقاط مطلقة على التوالي مقارنة بأحدث الأساليب المتاحة. من الجدير بالذكر أن اتفاق المعلمين على مجموعة بيانات Switchboard هو 84٪، وأن طريقتنا قادرة على تحقيق دقة تبلغ حوالي 79٪ رغم التدريب على البيانات غير النظيفة.