Comprendre les émotions dans une conversation constitue une tâche difficile, car les énoncés comportent souvent un sens implicite qui n’est pas généralement perceptible hors contexte. Une utilisation efficace des informations contextuelles est essentielle pour la reconnaissance des émotions dans les dialogues. De nombreux jeux de données publiés fournissent des informations contextuelles pour des situations telles que les messages en ligne textuels, les chatbots ou les dialogues de films. Toutefois, ces jeux de données basés sur les dialogues sont généralement recueillis à partir de situations conversationnelles idéales, ce qui limite leur variabilité en termes de longueur du dialogue et de nombre de participants. Par conséquent, ces jeux de données peuvent ne pas être adaptés à la reconnaissance des émotions dans les scénarios textuels de films, où les scènes présentent des variations importantes tant dans le nombre de locuteurs que dans la durée des énoncés parlés. Nous proposons un jeu de données conversationnel basé sur les dialogues de séries télévisées coréennes afin d’analyser les émotions dans un contexte scénique. Le jeu de données Korean Drama Scene Transcript for Emotion Recognition (KD-EmoR) est un jeu de données conversationnel textuel. Nous analysons trois catégories d’émotions complexes : l’euphorie, la dysphorie et l’état neutre, dans les scènes de séries télévisées, afin de construire un jeu de données publique destiné à des recherches ultérieures. Nous avons développé un modèle d’apprentissage profond conscient du contexte pour classifier les émotions en exploitant à la fois le contexte par locuteur et le contexte scénique, atteignant un score F1 de 0,63 sur le jeu de données proposé.