本文研究了多方对话中收件人和回应选择的问题。理解多方对话具有挑战性，因为其中涉及复杂的说话者互动：多个说话者相互交换信息，扮演不同的角色（发送者、收件者、观察者），并且这些角色在不同轮次中会有所变化。为了解决这一挑战，我们提出了说话者交互循环神经网络（SI-RNN）。与之前最先进的系统仅更新发送者的说话者嵌入不同，SI-RNN 使用一种新颖的对话编码器以角色敏感的方式更新所有说话者的嵌入。此外，与以往分别选择收件人和回应的方法不同，SI-RNN 通过将任务视为序列预测问题来联合选择收件人和回应。实验结果表明，SI-RNN 在收件人和回应的选择准确性方面有显著提升，尤其是在涉及众多说话者和对多轮前的远距离消息进行回应的复杂对话中。