التعرف على المشاعر في المحادثات يُعد مهمة صعبة نظرًا لوجود الاعتماديات السياقية التي تُحكمها تأثيرات ذاتية ومتعددة الأشخاص. ركّزت النُّهج الحديثة على نمذجة هذه الاعتماديات بشكل رئيسي من خلال التعلم المُوجَّه. ومع ذلك، تتطلب الاستراتيجيات المُعتمدة بالكامل على التعلم المُوجَّه كميات كبيرة من البيانات المُعلَّمة، وهي مفقودة في معظم المجموعات المتاحة لهذا المهمة. ولتذليل هذه التحديات، ننظر إلى منهجيات التعلم المنقول (Transfer Learning) كبديل عملي. وبما أن هناك كميات كبيرة من البيانات الحوارية المتاحة، نستكشف ما إذا كان من الممكن استغلال النماذج الحوارية التوليدية لنقل المعرفة العاطفية للكشف عن المشاعر في السياق. نقترح منهجًا يُسمى TL-ERC، حيث نُدرّب مسبقًا نموذجًا هرميًا للحوار على محادثات متعددة الجولات (المصدر)، ثم نُحول معاملات هذا النموذج إلى فاصل مشاعر حوارية (الهدف). وبالإضافة إلى الممارسة الشائعة باستخدام مُشفرات الجمل المُدرّبة مسبقًا، يُدمج منهجنا أيضًا معاملات متكررة (Recurrent Parameters) تُنمذج السياق بين الجمل عبر المحادثة بأكملها. بناءً على هذه الفكرة، أجرينا عدة تجارب على مجموعات بيانات متعددة، ووجدنا تحسنًا في الأداء وزيادة في المرونة أمام نقص البيانات التدريبية. كما حقق TL-ERC أداءً أفضل في التحقق التدقيقي في عدد أقل بكثير من الدورات التدريبية. وبشكل عام، نستنتج أن المعرفة المكتسبة من مُولِّدات الحوار يمكن أن تُسهم فعلاً في التعرف على المشاعر في المحادثات.