L'extraction de relations basée sur le dialogue (RE) vise à extraire les relations entre deux arguments qui apparaissent dans un dialogue. Étant donné que les dialogues présentent des caractéristiques telles qu'une forte occurrence de pronoms personnels et une faible densité d'information, et que la plupart des faits relationnels dans les dialogues ne sont pas soutenus par une seule phrase, l'extraction de relations basée sur le dialogue nécessite une compréhension globale du dialogue. Dans cet article, nous proposons le réseau de convolution graphique sensible au contexte des tours (TUrn COntext awaRE Graph Convolutional Network, TUCORE-GCN), modélisé en tenant compte de la manière dont les personnes comprennent les dialogues. De plus, nous proposons une nouvelle approche qui traite la tâche de reconnaissance des émotions dans les conversations (ERC) comme une extraction de relations basée sur le dialogue. Les expériences menées sur un ensemble de données d'extraction de relations basée sur le dialogue et trois ensembles de données ERC montrent que notre modèle est très efficace pour diverses tâches de compréhension du langage naturel basées sur le dialogue. Dans ces expériences, TUCORE-GCN surpasses les modèles de pointe sur la plupart des ensembles de données de référence. Notre code est disponible à l'adresse suivante : https://github.com/BlackNoodle/TUCORE-GCN.