Die Emotionsursachenextraktion (Emotion Cause Extraction) zielt darauf ab, die Gründe hinter einer bestimmten Emotion zu identifizieren, die in einem Text ausgedrückt wird. Dies ist eine viel schwierigere Aufgabe im Vergleich zur Emotionsklassifikation. Inspiriert durch jüngste Fortschritte bei der Verwendung von tiefen Gedächtnisnetzwerken für Fragebeantwortung (Question Answering, QA), schlagen wir einen neuen Ansatz vor, der die Identifizierung von Emotionsursachen als eine Leseverständnisaufgabe im Bereich QA betrachtet. Inspiriert durch konvolutive Neuronale Netze (Convolutional Neural Networks), schlagen wir ein neues Mechanismus vor, um relevante Kontextinformationen in verschiedenen Gedächtnisslots zu speichern und damit den Kontext zu modellieren. Unser vorgeschlagener Ansatz kann sowohl sequenzielle Merkmale auf Wortebene als auch lexikalische Merkmale extrahieren. Die Leistungsbewertung zeigt, dass unsere Methode den aktuellen Stand der Technik auf einem kürzlich veröffentlichten Datensatz für Emotionsursachen erreicht und eine Reihe wettbewerbsfähiger Baseline-Methoden um mindestens 3,01 % in Bezug auf das F-Maß übertrifft.