مهمة استخراج السبب العاطفي (ECE) تهدف إلى اكتشاف الأسباب المحتملة وراء تعبير معين عن عاطفة في وثيقة. تم اقتراح تقنيات مثل الطرق القائمة على القواعد، والطرق التقليدية للتعلم الآلي، والشبكات العصبية العميقة لحل هذه المهمة. ومع ذلك، فإن معظم الأعمال السابقة نظرت إلى ECE كمجموعة من مشاكل تصنيف الجمل المستقلة وأهملت العلاقات بين الجمل المتعددة في الوثيقة. في هذا العمل، نقترح إطارًا مشتركًا لاستخراج السبب العاطفي يُسمى شبكة الهرمية RNN-Transformer (RTHN) لترميز وتقييم العديد من الجمل بشكل متزامن. يتكون RTHN من مرمِّز مستوى الكلمات السفلي القائم على RNNs لترميز الكلمات المتعددة في كل جملة، ومن مرمِّز مستوى الجمل العلوي القائم على Transformer لتعلم العلاقة بين الجمل المتعددة في الوثيقة. بالإضافة إلى ذلك، نقترح طرقًا لدمج معلومات الموقع النسبي والمعلومات التنبؤية العالمية في Transformer التي يمكنها التقاط السببية بين الجمل وجعل RTHN أكثر كفاءة. أخيرًا، حققنا أفضل الأداء بين 12 نظامًا مقارنًا وحسَّنا درجة F1 لأفضل ما هو موجود من 72.69٪ إلى 76.77٪.