التعرف على العواطف في المحادثة (ERC) يشمل الكشف عن العاطفة الكامنة وراء كل تعبير داخل المحادثة. لا يزال إنشاء تمثيلات فعالة للتعبيرات تحديًا كبيرًا في هذه المهمة. تقترح الدراسات الحديثة نماذج مختلفة لمعالجة هذه المشكلة، لكنها ما زالت تعاني من صعوبة التمييز بين العواطف المشابهة مثل الحماس والسعادة. لحل هذه المشكلة، نقترح إطار التعلم التضادي المرتبط بالعواطف (EACL) الذي يمكنه إنشاء تمثيلات أكثر تمييزًا للتعبيرات ذات العواطف المشابهة. لتحقيق هذا الهدف، نستخدم ترميزات العلامات كمرجعيات لتوجيه تعلم تمثيلات التعبيرات ونصمم خسارة مساعدة لضمان الفصل الفعال للمرجعيات بين العواطف المشابهة. بالإضافة إلى ذلك، يتم اقتراح عملية توافق إضافية لتوافق المرجعيات كتصنيفات فعالة لتحسين أداء التصنيف. عبر التجارب الواسعة، حقق الإطار المقترح EACL أداءً رائدًا في التعرف على العواطف وأظهر أداءً متفوقًا في التعامل مع العواطف المشابهة. شفرتنا متاحة على الرابط: https://github.com/Yu-Fangxu/EACL.