预测文本中表达的情感是自然语言处理（NLP）领域一个广受研究的问题。近年来，关于提取文本中情感原因的研究活动日益增多。以往的大多数工作集中在文档中的因果情感蕴含上。在本研究中，我们提出了一种神经模型，用于从对话中提取情感原因片段及其蕴含关系。为了训练这些模型，我们使用了RECCON数据集，该数据集在话语层面上标注了情感原因片段。具体而言，我们提出了MuTEC，这是一种端到端的多任务学习框架，旨在从对话中提取情感、情感原因及蕴含关系。这与现有的基线模型不同，后者通常依赖真实情感标签来提取原因。实验结果表明，在数据集中提供的大部分数据划分下，MuTEC的表现优于基线模型。