대화 내 감정 인식(ERC, Emotion Recognition in Conversation)은 사회적 여론 탐사, 의료 분야 등 다양한 분야에서 공감 능력을 갖춘 기계를 개발하는 데 있어 중요한 주제이다. 본 논문에서는 ERC 작업을 시퀀스 태깅 문제로 모델링하는 방법을 제안하며, 대화 내 감정 일관성을 학습하기 위해 조건부 확률 필드(CRF, Conditional Random Field) 계층을 활용한다. 우리는 대화자 간 자기 및 상호 의존성을 포착하는 LSTM 기반 인코더를 사용하여 맥락 기반 발화 표현을 생성하고, 이를 CRF 계층에 입력한다. 또한 장거리 전역 맥락을 효과적으로 포착하기 위해 다층 Transformer 인코더를 사용하여 LSTM 기반 인코더의 성능을 보완한다. 실험 결과, 감정 일관성 모델링의 이점을 효과적으로 활용하여 여러 감정 분류 데이터셋에서 기존 최고 성능(SOTA) 방법들을 능가함을 확인하였다.