対話行動（Dialogue Act, DA）分類とは、対話における発話が果たす機能に基づいて発話を分類するタスクである。従来のDA分類手法は、対話全体における話者間の発話の切り替え（turn changes）を考慮せずに発話をモデル化しており、その結果、対話的要素を無視した非対話的書記テキストと同様に扱っている。本稿では、DA分類のモデル化において、話者間の発話の切り替えを統合する手法を提案する。具体的には、対話全体に共通する話者発話埋め込み（speaker turn embeddings）を学習し、対話内の各発話の意味を表現する。その後、学習された話者発話埋め込みを発話埋め込みと統合し、DA分類という下流タスクに活用する。このシンプルでありながら効果的な機構により、本モデルは対話内容の意味を捉えつつ、対話内の異なる話者発話の違いも適切に反映することができる。3つのベンチマーク公開データセットにおける評価結果から、本モデルが優れた性能を発揮することが示された。