多轮对话理解是构建智能对话系统的主要挑战之一。本文专注于多轮对话中的检索式响应匹配问题，而以往的研究通常只是简单地将对话中的各轮发言串联起来，忽略了先前发言之间的交互对上下文建模的影响。在本文中，我们提出了一种深度发言聚合模型，将先前的发言整合为上下文，形成细粒度的上下文表示。具体而言，首先引入了自匹配注意力机制来提取每轮发言中的关键信息。然后，该模型将响应与每个经过精炼的发言进行匹配，并通过注意力加权的多轮聚合获得最终的匹配分数。实验结果表明，我们的模型在三个多轮对话基准数据集上超越了现有最先进的方法，其中包括一个新引入的电子商务对话语料库（e-commerce dialogue corpus）。