会話における感情認識タスクにおいて、最近の研究では、注意機構を用いて同一話者内（intra-speaker）および異なる話者間（inter-speaker）の発話間の関係を探ることで、それらの間の感情的な相互作用をモデル化する手法が利用されています。しかし、話者の性格特性などの属性は未だ十分に調査されておらず、他のタスクへの適用性や多様なモデルアーキテクチャとの互換性に関する課題が残っています。そこで本研究では、BiosERCと名付けられた新しいフレームワークを提案します。このフレームワークは、大規模言語モデル（Large Language Models, LLMs）を用いて、会話内の各話者の「伝記情報」を抽出し、それを補助知識としてモデルに注入して各発話の感情ラベルを分類することを目指しています。我々が提案した方法は、IEMOCAP、MELD、EmoryNLPという3つの有名なベンチマークデータセットで最先端（state-of-the-art, SOTA）の結果を達成しました。これにより、我々のモデルの有効性と汎化能力が示され、様々な会話分析タスクへの適応可能性が明らかになりました。ソースコードは https://github.com/yingjie7/BiosERC で公開されています。