对话中的情绪检测（Emotion Detection in Conversations, EDC）旨在识别多说话人对话中每一句话所表达的情绪。与传统的非对话情绪检测不同，EDC模型需具备上下文敏感性（例如，理解整个对话的语境而非仅单句）和说话人敏感性（例如，识别每句话由哪位说话人说出）。本文提出一种基于Transformer的、兼具上下文与说话人敏感性的EDC模型——HiTrans，该模型由两个层次的Transformer构成。我们采用BERT作为底层Transformer，生成话语的局部表示，并将其输入上层Transformer，使话语表示能够感知对话的全局语境。此外，为增强模型的说话人敏感性，我们引入一种辅助任务——成对话语说话人验证（Pairwise Utterance Speaker Verification, PUSV），其目标是判断两句话是否出自同一说话人。我们在三个基准数据集（EmoryNLP、MELD和IEMOCAP）上对模型进行了评估，实验结果表明，所提模型在各项指标上均优于先前的最先进方法。