対話分析における深層学習のブラックボックス問題や特定データへの過学習による汎用性の欠如を解決するため、本研究では「解釈可能性」と「汎用性」を備えた適応型対話分析システムを構築した。具体的には、解釈可能性を確保するため、予測根拠の追跡が可能な「RandomForest」を採用し、入力する特徴量には記号論に基づく言語学的特徴量を採用した。また、汎用性を確保するため、不均衡データの自動補正や最適な特徴量の選択を自動化する最適化機構を導入した。これらにより、性質の異なるタスクである対話行為と心象の両方に対してシステムが自動的に適応し、高い解釈可能性と汎用性を有することを示すため、Hazumiコーパスを用いた評価実験について述べる。