多参与者多轮对话理解在处理多方发言者带来的复杂场景以及发言者相关话语之间交错的语篇关系方面，带来了前所未有的挑战。现有大多数方法将对话上下文视为普通文本，未能充分关注关键的发言者感知线索。为此，本文提出一种增强型发言者感知模型，结合掩码注意力机制与异构图网络，从发言者属性与发言者相关语篇关系两个维度，全面捕捉语篇线索。通过这种全面的发言者感知建模，实验结果表明，该模型在基准数据集Molweni上实现了当前最优的性能表现。案例分析进一步显示，该模型有效增强了话语与其对应发言者之间的关联性，准确捕捉了发言者感知的语篇关系，这对于对话建模具有关键意义。