تهدف مهمة الاستنتاج العاطفي السببي (CEE) إلى استخراج جميع الأزواج المحتملة من العواطف والأسباب المقابلة منها من مستند عاطفي غير مُعلَّم في السياق الحواري. تعتمد معظم الطرق الحالية لحل مهمة CEE على إطار عمل ثنائي المراحل، حيث تتمثل المرحلة الأولى في تحديد الجمل العاطفية والجمل السببية واستخراج تمثيلات الجمل بشكل منفصل، بينما تتمثل المرحلة الثانية في بناء الأزواج النهائية للعاطفة والسبب. ومع ذلك، تتجاهل هذه الطرق تأثير المسافة بين الجمل على تطابق أزواج العاطفة والسبب. ولحل هذه المشكلة، نُنشئ إطارًا موحدًا باستخدام نموذج Window Transformer. حيث تُستخدم نماذج BERT وRoBERTa المُدرَّبة مسبقًا كمحرّكات نصية لإنتاج تمثيل محلي للجمل في المستند المعطى. وفي الوقت نفسه، تُدخل هذه البيانات إلى نموذج Window Transformer ثنائي الأبعاد لجعل تمثيل الجمل حساسًا للسياق داخل النافذة وتحديد الاعتماديات بين الجمل. وفي نفس الوقت، يصنف المستند الجمل المرشحة لاستخراج الاستنتاجات العاطفية السببية، مما يعزز تمثيل أزواج الجمل (أزواج العواطف وأزواج الأسباب) من خلال استخدام تضمين الموضع النسبي القائم على دوال النواة. تُظهر النتائج التجريبية أن الإطار يحقق نتائج من الدرجة الأولى على مجموعة البيانات القياسية.