近年来，对话中的情感分析因其广泛的应用场景而受到越来越多关注，例如情感分析、推荐系统以及人机交互等。与单句情感分析相比，对话情感分析的主要区别在于对话中存在上下文信息，这些信息可能对话语的情感倾向产生影响。然而，如何有效编码对话中的上下文信息仍是当前面临的一大挑战。现有方法通常采用复杂的深度学习结构来区分对话中的不同发言者，进而建模上下文信息。本文提出一种快速、紧凑且参数高效的无发言者感知框架——双向情感循环单元（Bidirectional Emotional Recurrent Unit），用于对话情感分析。在所提出的系统中，我们设计了一个广义神经张量模块，用于实现上下文的组合性建模，随后通过双通道分类器完成情感分类任务。在三个标准数据集上的大量实验表明，该模型在多数情况下优于现有最先进方法。