对话中的情感识别（Emotion Recognition in Conversations, ERC）在构建具有共情能力的机器方面日益受到关注。近年来，众多研究致力于利用深度学习模型感知对话上下文。然而，由于缺乏有效提取和整合情感线索的能力，现有方法在理解上下文方面仍显不足。为此，本文提出一种新型的上下文推理网络（DialogueCRN），从认知视角全面理解对话上下文。受情绪认知理论的启发，我们设计了多轮推理模块，以提取并整合情感线索。该推理模块通过迭代执行直觉性检索过程与有意识的推理过程，模拟人类独特的认知思维方式。在三个公开基准数据集上的大量实验结果表明，所提出的模型在性能上具有显著有效性与优越性。