استخراج سبب المشاعر (ECE) يهدف إلى استخراج الأسباب الكامنة وراء مشاعر محددة في النص. وقد تم نشر بعض الدراسات المتعلقة بمهام ECE وجذب اهتمامًا كبيرًا في السنوات الأخيرة. ومع ذلك، فإن هذه الأساليب تتجاهل قضيتين رئيسيتين: 1) الاهتمام المحدود بتأثير معلومات السياق على مستوى المستند على مهام ECE، و2) نقص في الاستكشاف الكافي لكيفية استخدام فعّال للجمل المُعلَّمة من حيث المشاعر. بالنسبة للقضية الأولى، نقترح شبكة انتباه هرمية ثنائية الاتجاه (BHA) مُصممة خصيصًا للجملة المرشحة كسبب، لالتقاط السياق على مستوى المستند بطريقة منظمة وديناميكية. أما بالنسبة للقضية الثانية، فقد صممنا وحدة تصفية عاطفية (EF) لكل طبقة في شبكة انتباه الرسم البياني، والتي تحسب درجة "مفتاح" بناءً على الجملة العاطفية لتصفية المعلومات غير ذات صلة. وبدمج BHA وEF، تُمكن EF-BHA من تجميع المعلومات السياقية ديناميكيًا من اتجاهين وتصفية المعلومات غير المرتبطة. وأظهرت النتائج التجريبية أن نموذج EF-BHA يحقق أداءً تنافسيًا على مجموعتي بيانات عامتين بلغتين مختلفتين (الصينية والإنجليزية). علاوةً على ذلك، قمنا بقياس تأثير السياق على استخراج أسباب المشاعر، وقمنا بتقديم تصورات للتفاعلات بين الجمل المرشحة كأسباب والسياقات المحيطة بها.