Die Mehrparteien-Mehrround-Dialoɡverstehensaufgabe stellt unerhörte Herausforderungen hinsichtlich der Bewältigung komplexer Szenarien mit mehreren Sprechern und verzahnten Diskursbeziehungen zwischen sprachbezogenen Äußerungen dar. Die meisten bestehenden Methoden behandeln Dialogkontexte als einfache Texte und achten unzureichend auf die entscheidenden sprachbezogenen Hinweise. In dieser Arbeit stellen wir ein verbessertes sprachbezogenes Modell mit Masking-Attention und heterogenen Graphnetzwerken vor, um Diskursmerkmale sowohl aus der Perspektive der Sprechermerkmale als auch aus der Sicht der sprachbezogenen Beziehungen umfassend zu erfassen. Durch eine umfassende sprachbezogene Modellierung erzielt unser Modell in Experimenten herausragende Ergebnisse auf der Benchmark-Datenbank Molweni. Eine Fallstudie zeigt, dass unser Modell die Verbindungen zwischen Äußerungen und ihren jeweiligen Sprechern verstärkt und sprachbezogene Diskursbeziehungen präzise erfasst, was für die Modellierung von Dialogen von entscheidender Bedeutung ist.