随着交互式机器应用的日益普及，对话中的情感识别（Emotion Recognition in Conversation, ERC）任务变得愈发重要。若机器生成的语句能够体现情感，便有望实现更具人性化的共情式对话。由于在识别对话情感时若不考虑先前话语，识别效果将大打折扣，因此许多研究致力于引入对话上下文以提升性能。近年来，诸多方法通过将外部结构化数据中提取的知识融入模型模块，取得了性能提升。然而，结构化数据在非英语语言中难以获取，导致这些方法难以拓展至其他语言。为此，我们采用预训练语言模型作为外部知识提取器，从中提取预训练记忆。本文提出CoMPM（Contextual Memory-Enhanced Pre-trained Memory），该模型将说话人预训练记忆与上下文模型相结合，实验表明，预训练记忆显著提升了上下文模型的性能。CoMPM在所有测试数据集上均取得了第一名或第二名的成绩，在不依赖结构化数据的系统中处于当前最先进水平。此外，本方法无需依赖结构化知识，因而具备良好的跨语言可扩展性，相较于以往方法更具普适性。相关代码已开源，可在GitHub上获取（https://github.com/rungjoo/CoMPM）。