マルチパーティ会話における機械読解（MRC）は、従来のMRCとは異なり、モデルが複雑な会話ディスコース構造を処理しなければならない点で特徴づけられる。この構造は従来のMRCでは考慮されていなかった。マルチパーティ会話におけるこうしたディスコース構造を効果的に活用するため、本研究ではディスコース依存関係およびディスコース関係を用いて会話グラフを明示的に構築する「ディスコース認識型会話グラフニューラルネットワーク（DADgraph）」を提案する。本モデルの有効性を検証するため、ディスコース構造が注釈されたマルチパーティ会話に基づいて構築された大規模MRCデータセット「Molweniコーパス」を用いて実験を行った。Molweniコーパス上での実験結果から、本研究で提案するディスコース認識型モデルが、強力なニューラルネットワークベースのMRCベースラインに対して統計的に有意な性能向上を達成したことが示された。