会話における感情を捉えることは、現代の対話システムにおいて重要な役割を果たしている。しかし、感情と意味の間に弱い相関関係があるため、会話内感情認識（ERC）には多くの課題が伴う。同じ意味を持つ発話であっても、文脈や話者によって感情は大きく異なり得る。本論文では、ERCタスク向けに「教師付きプロトタイプ対比学習（Supervised Prototypical Contrastive Learning, SPCL）」損失関数を提案する。プロトタイプネットワークを活用することで、SPCLは対比学習を用いて分類の不均衡問題を解決しつつ、大規模なバッチサイズを必要としない。さらに、クラス間の距離に基づく難易度評価関数を設計し、カリキュラム学習を導入することで極端なサンプルの影響を軽減する。本手法は、広く用いられている3つのベンチマークにおいて最先端の性能を達成した。また、提案するSPCLおよびカリキュラム学習戦略の有効性を検証するための分析実験も実施した。実装コードは、https://github.com/caskcsg/SPCL にて公開している。