会話型対話システムの魅力および一貫性を向上させるための継続的な努力にもかかわらず、現行の大多数の研究は単に人間らしい応答を模倣することに焦点を当てており、対話者間の理解をモデル化する側面については十分に検討されていない。一方、認知科学の研究は、高品質な会話において理解が本質的な信号であることを示唆している。この知見に触発され、本研究では理解を明示的にモデル化することを目的として、送信者－受信者型のフレームワーク「P^2 Bot」を提案する。具体的には、相互のパーソナ（人物像）認識を組み込むことで、個別化された対話生成の質を向上させている。大規模な公開データセット「Persona-Chat」を用いた実験により、自動評価指標および人間評価の両面で、従来の最先端手法と比較して顕著な性能向上が確認された。