Die Aufgabe der Emotionsursachenextraktion (ECE) besteht darin, die potenziellen Ursachen hinter einer bestimmten Emotionsäußerung in einem Dokument zu entdecken. Es wurden Techniken wie regelbasierte Methoden, traditionelle maschinelle Lernmethoden und tiefe neuronale Netze vorgeschlagen, um diese Aufgabe zu lösen. Allerdings haben die meisten früheren Arbeiten ECE als eine Reihe unabhängiger Klauselnklassifizierungsprobleme betrachtet und die Beziehungen zwischen mehreren Klauseln in einem Dokument vernachlässigt. In dieser Arbeit schlagen wir ein gemeinsames Framework für die Emotionsursachenextraktion vor, das RNN-Transformer Hierarchisches Netzwerk (RTHN) genannt wird, um mehrere Klauseln simultan zu kodieren und zu klassifizieren. Das RTHN besteht aus einem unteren Wortsatzkodierer basierend auf RNNs zur Kodierung mehrerer Wörter in jeder Klausel sowie einem oberen Klauselsatzkodierer basierend auf dem Transformer zur Erfassung der Korrelation zwischen mehreren Klauseln in einem Dokument. Wir schlagen zudem Methoden vor, um Informationen über die relative Position und globale Vorhersage in den Transformer einzubinden, wodurch es möglich ist, die Kausalität zwischen Klauseln zu erfassen und das RTHN effizienter zu gestalten. Schließlich erzielen wir die beste Leistung unter 12 verglichenen Systemen und verbessern den F1-Score des aktuellen Standes der Technik von 72,69 % auf 76,77 %.