基于对话的关系抽取（RE）旨在从对话中提取两个论元之间的关系。由于对话具有高频率的人称代词出现和低信息密度的特点，且大多数对话中的关系事实无法通过单一句子得到支持，因此基于对话的关系抽取需要对对话进行全面的理解。在本文中，我们提出了一种TUrn COntext awaRE 图卷积网络（TUCORE-GCN），该模型借鉴了人们理解对话的方式。此外，我们还提出了一种新颖的方法，将会话中的情感识别（ERC）任务视为基于对话的关系抽取任务。我们在一个基于对话的关系抽取数据集和三个情感识别数据集上进行了实验，结果表明我们的模型在各种基于对话的自然语言理解任务中非常有效。在这些实验中，TUCORE-GCN 在大多数基准数据集上的表现优于当前最先进的模型。我们的代码已发布在 https://github.com/BlackNoodle/TUCORE-GCN。