多人群体对话中的情感识别（Emotion Recognition in Multi-Party Conversation, ERMC）作为自然语言处理领域的一个新兴研究方向，正日益受到关注。以往的研究主要聚焦于序列信息的挖掘，却忽略了对话中蕴含的语篇结构。本文旨在探讨语篇结构在捕捉信息性上下文线索及说话人特异性特征方面的重要性。为此，我们提出了一种面向ERMC的语篇感知图神经网络（ERMC-DisGCN）。具体而言，我们设计了一种关系卷积机制，以利用对话参与者之间的自我-说话人依赖关系，实现上下文信息的有效传播；此外，我们引入一种门控卷积机制，从相关话语中筛选出更具信息量的特征，以提升情感识别性能。实验结果表明，所提方法在多个基准测试上均优于现有基线模型，充分证明了语篇结构在ERMC任务中的重要价值。