مع تزايد استخدام الآلات التفاعلية، أصبحت مهمة التعرف على المشاعر في المحادثات (ERC) أكثر أهمية. فإذا كانت الجمل التي تُولَد بواسطة الآلة تعكس مشاعرًا، فإن إمكانية إجراء محادثات أكثر تشبه البشرية وتعاطفًا تصبح ممكنة. وبما أن التعرف على المشاعر في المحادثات يكون غير دقيق إذا لم تُؤخذ الوجوه السابقة بعين الاعتبار، فإن العديد من الدراسات تعتمد على سياق المحادثة لتحسين الأداء. وتبين الطرق الحديثة أن الأداء يتحسن من خلال دمج المعرفة في وحدات تُدرَّب على بيانات منظمة خارجية. ولكن يصعب الوصول إلى البيانات المنظمة في اللغات غير الإنجليزية، مما يجعل التوسع إلى لغات أخرى أمرًا صعبًا. ولذلك، نستخرج الذاكرة المُدرَّبة مسبقًا باستخدام نموذج لغوي مُدرَّب مسبقًا كمُستخرج للمعرفة الخارجية. نقدم نموذج CoMPM الذي يدمج بين الذاكرة المُدرَّبة مسبقًا للمتحدث ونموذج السياق، ونجد أن الذاكرة المُدرَّبة مسبقًا تُحسِّن بشكل كبير أداء نموذج السياق. ويحقق CoMPM أفضل أداء أو ثاني أفضل أداء على جميع المجموعات البيانات، وهو من أفضل النماذج الحالية بين الأنظمة التي لا تعتمد على بيانات منظمة. علاوة على ذلك، تُظهر طريقة عملنا إمكانية توسيعها إلى لغات أخرى، لأنها لا تتطلب معرفة منظمة، على عكس الطرق السابقة. يمكن الوصول إلى الكود الخاص بنا على GitHub (https://github.com/rungjoo/CoMPM).