Neuere Arbeiten zur Klassifikation von Dialogakten haben die Aufgabe als ein sequenzielles Labeling-Problem mit hierarchischen tiefen Neuronalen Netzen behandelt. Wir bauen auf diesen früheren Arbeiten auf, indem wir die Effektivität eines kontextbewussten Selbst-Aufmerksamkeitsmechanismus in Verbindung mit einem hierarchischen rekurrenten neuronalen Netzwerk nutzen. Wir führen umfangreiche Evaluierungen an standardisierten Datensätzen für die Klassifikation von Dialogakten durch und zeigen erhebliche Verbesserungen gegenüber den bisher besten Ergebnissen am Switchboard Dialogue Act (SwDA) Korpus. Zudem untersuchen wir den Einfluss verschiedener Methoden des Lernens von Äußerungsebenendarstellungen und weisen nach, dass unsere Methode effektiv ist, um Äußerungsebenendarstellungen semantischer Textinhalte zu erfassen, während sie eine hohe Genauigkeit beibehält.