تُعبّر الرسائل في المحادثات البشرية عن مشاعر بشكل تلقائي. يؤدي مُعالجة كشف المشاعر في المحادثات النصية إلى مجموعة واسعة من التطبيقات، مثل استخراج الآراء في الشبكات الاجتماعية. ومع ذلك، فإن تمكين الآلات من تحليل المشاعر في المحادثات يشكل تحديًا، جزئيًا بسبب اعتماد البشر على السياق والمعرفة الشائعة لتعبيرهم عن المشاعر. في هذا البحث، نعالج هذه التحديات من خلال اقتراح نموذج يُدعى "مُحول مُثرَّى بالمعرفة" (KET)، حيث يتم تفسير العبارات السياقية باستخدام الانتباه التسلسلي، ويُستخدَم المعرفة الخارجية الشائعة بشكل ديناميكي من خلال آلية انتباه رسم بياني عاطفي يراعي السياق. أظهرت التجارب على عدة مجموعات بيانات للمحادثات النصية أن كلاً من السياق والمعرفة الشائعة يسهمان باستمرار في تحسين أداء كشف المشاعر. علاوةً على ذلك، أظهرت النتائج التجريبية أن نموذج KET يتفوّق على النماذج الرائدة في مجاله على معظم مجموعات البيانات المُختبرة من حيث مقياس F1.