对话情感识别（Conversational Emotion Recognition, CER）近年来在自然语言处理（Natural Language Processing, NLP）领域受到了越来越多的关注。与传统的单一情感识别任务不同，CER面临的一个主要挑战是如何构建有效的、具有说话人敏感性的话语表示。本文提出将说话人识别（Speaker Identification, SI）作为辅助任务，以增强对话中的话语表示能力。通过引入额外的SI语料库，该方法能够学习到更具说话人感知能力的上下文表示。在两个基准数据集上的实验结果表明，所提出的架构在CER任务上表现出色，取得了两项新最优性能（state-of-the-art），显著提升了现有技术水平。