対話行為（DA）分類は、発話に意味ラベルを付与し、話者の意図を特徴づけることを目的とする対話解釈における難問である。現在、多くの既存の手法が多クラス分類から構造予測まで、DA分類問題を定式化しているが、これらには2つの制限がある：a) これらの手法は手作業による特徴量に基づいたものか、または記憶容量が限定的なものである。b) 対抗的サンプルは伝統的な学習方法では正しく分類できない。これらの課題に対処するため、本論文ではまず問題を質問応答問題として捉え直し、階層ピラミッド型発話エンコーダーを持つ改良された動的メモリネットワークを提案する。さらに、提案モデルの学習には対抗的訓練を適用する。我々のモデルはスイッチボード対話行為コーパスとMapTaskコーパスという2つの公開データセットで評価した。広範な実験結果から、提案モデルは堅牢性に優れており、いくつかの最先端の基準モデルと比較してより優れた性能を達成することが示された。