対話システムにおいて、類似した意味を持つ発話でも、文脈によって感情が著しく異なる場合がある。したがって、話者依存性を考慮した長距離文脈的感情関係をモデル化することは、対話感情認識において極めて重要である。一方で、感情のカテゴリを区別することは容易ではない。なぜなら、それらはしばしば意味的に類似した感情を示すからである。この課題に対処するため、我々は類似した感情をより正確に識別できるように、異なる感情が互いに排他的となるよう、教師付き対照学習（supervised contrastive learning）を採用した。さらに、補助的な応答生成タスクを活用することで、モデルの文脈情報処理能力を強化し、多様な文脈下での類似意味を持つ感情を正しく認識するよう促進している。これらの目的を達成するため、理解と生成の両タスクに適していることから、事前学習済みのエンコーダデコーダモデルBARTを基盤モデルとして採用した。4つのデータセットにおける実験結果から、本研究で提案するモデルが、対話感情認識において最先端のモデルと比較して顕著に優れた性能を発揮することが示された。また、アブレーションスタディにより、教師付き対照損失および生成損失の有効性がさらに裏付けられた。