我们提出多种技术，用于解决SemEval 2019任务中上下文情感检测（Contextual Emotion Detection）任务里训练数据与测试数据之间类别分布不匹配的问题，这些方法基于现有类别不平衡问题的处理策略进行拓展。通过缩小预测分布与真实标签分布之间的距离，这些方法在性能上均表现出稳定的提升效果。此外，我们还提出一种新颖的神经网络架构，该架构同时利用整体上下文的表示以及每个话语（utterance）的独立表示。上述方法与模型的结合在最终评测中取得了约0.766的微平均F1分数。