Die Gewinnung generalisierbarer und robuster Darstellungen stellt eine zentrale Herausforderung bei der Emotionserkennung in Gesprächen (ERC) dar. Um diesem Problem zu begegnen, schlagen wir einen überwachten adversarialen kontrastiven Lernansatz (SACL) vor, um klassenverteilte Darstellungen auf überwachtem Wege zu erlernen. SACL setzt kontrastbewusste adversariale Trainingsstrategien ein, um Worst-Case-Proben zu generieren, und nutzt gemeinsame klassenverteilte kontrastive Lernmethoden, um strukturierte Darstellungen zu extrahieren. Dadurch kann effektiv die Merkmalskonsistenz auf Label-Ebene ausgenutzt und gleichzeitig feinkörnige intra-klassische Merkmale erhalten werden. Um den negativen Einfluss adversarialer Störungen auf kontextabhängige Daten zu vermeiden, entwickeln wir eine kontextuale adversariale Trainingsstrategie (CAT), die es ermöglicht, vielfältigere Merkmale aus dem Kontext zu lernen und die Kontextrobustheit des Modells zu erhöhen. Innerhalb dieses Rahmens entwickeln wir ein sequenzbasiertes SACL-LSTM, das labelkonsistente und kontextrobuste Merkmale für die ERC erlernt. Experimente an drei Datensätzen zeigen, dass SACL-LSTM eine state-of-the-art-Leistung bei der ERC erzielt. Erweiterte Experimente bestätigen die Wirksamkeit von SACL und CAT.