本論文では、多人数会話における受信者選択と応答選択の問題を研究しています。多人数会話の理解は、複雑な発話者の相互作用により困難を伴います：複数の発話者が互いにメッセージを交換し、異なる役割（送信者、受信者、観察者）を果たし、これらの役割はターンによって変化します。この課題に対処するため、我々はSpeaker Interaction Recurrent Neural Network（SI-RNN）を提案します。従来の最先端システムが送信者のみの発話者埋め込みを更新していたのに対し、SI-RNNは新しい対話エンコーダーを使用して、役割に応じて発話者埋め込みを更新します。さらに、従来の研究が受信者と応答を選択する過程を別々に行っていたのに対して、SI-RNNはシーケンス予測問題として捉えることで、これらを選択的に同時に行います。実験結果は、特に多くの発話者や過去の遠隔メッセージへの応答が含まれる複雑な会話において、SI-RNNが受信者および応答選択の精度を大幅に向上させることを示しています。