Die Inferenz sozialer Beziehungen aus Dialogen ist entscheidend für die Entwicklung emotionsintelligenter Roboter, um die menschliche Sprache besser zu interpretieren und entsprechend zu handeln. Wir modellieren das soziale Netzwerk als ein And-Or-Graph, den wir SocAoG nennen, um die Konsistenz der Beziehungen innerhalb einer Gruppe sicherzustellen und Attribute als Inferenzhinweise zu nutzen. Darüber hinaus formulieren wir eine sequenzielle Strukturvorhersageaufgabe und schlagen eine $α$α-$β$β-$γ$γ-Strategie vor, um SocAoG inkrementell für die dynamische Inferenz bei jedem eintreffenden Satz zu analysieren: (i) ein $α$α-Prozess, der Attribute und Beziehungen unter Berücksichtigung der Semantik von Dialogen vorhersagt, (ii) ein $β$β-Prozess, der die sozialen Beziehungen auf Grundlage der relevanten Attribute aktualisiert, und (iii) ein $γ$γ-Prozess, der individuelle Attribute basierend auf interpersonellen sozialen Beziehungen aktualisiert. Empirische Ergebnisse auf DialogRE und MovieGraph zeigen, dass unser Modell soziale Beziehungen genauer inferiert als die bislang besten Methoden. Zudem zeigt eine Ausblendungsstudie (Ablation Study), dass die drei Prozesse sich gegenseitig ergänzen, und eine Fallstudie demonstriert die dynamische Relationseinferenz.