会話的感情認識（Conversational Emotion Recognition, CER）とは、会話文脈の中で発話（utterance）の感情を予測するタスクである。会話の文脈や話者間の相互作用をモデル化する研究は広く行われているが、話者の行動や意図を制御する話者の心理状態を考慮することは依然として重要である。最先端の手法では、共通認識知識（Commonsense Knowledge, CSK）を用いて心理状態を順方向および逆方向の順序で逐次的にモデル化している。しかし、この手法は発話間における構造的な心理的相互作用を無視しているという課題を抱えている。本研究では、心理的知識を意識した相互作用グラフ（pSychological-Knowledge-Aware Interaction Graph, SKAIG）を提案する。局所的に接続されたこのグラフにおいて、対象となる発話は過去の文脈から推論される行動情報と、未来の文脈に示唆される意図情報を統合することで強化される。また、発話自身との自己接続により、自身が持つ現在の影響を考慮する。さらに、CSKを用いてエッジを知識表現で豊かにし、グラフ変換器（graph transformer）を用いてSKAIGを処理する。本手法は、4つの代表的なCERデータセットにおいて、最先端かつ競争力のある性能を達成した。