Die Emotionsursachenextraktion (ECE) zielt darauf ab, die Ursachen hinter einer bestimmten Emotion im Text zu identifizieren. In den letzten Jahren wurden mehrere Arbeiten zu dieser Aufgabe veröffentlicht und haben erhebliche Aufmerksamkeit erregt. Allerdings vernachlässigen diese Methoden zwei zentrale Probleme: Erstens wird wenig Aufmerksamkeit auf den Einfluss von dokumentweiten Kontextinformationen auf die ECE gelegt, und zweitens erfolgt eine unzureichende Erforschung der effektiven Nutzung annotierter Emotionsklauseln. Im Hinblick auf das erste Problem stellen wir ein bidirektionales hierarchisches Aufmerksamkeitsnetzwerk (BHA) vor, das jeweils einer vorgeschlagenen Ursachenklausel zugeordnet ist und den dokumentweiten Kontext strukturiert und dynamisch erfassen kann. Für das zweite Problem entwerfen wir ein emotionales Filtermodul (EF), das für jede Schicht eines Graph-Aufmerksamkeitsnetzwerks implementiert ist und basierend auf der Emotionsklausel eine Gate-Score berechnet, um irrelevante Informationen zu filtern. Durch die Kombination von BHA und EF ermöglicht das EF-BHA eine dynamische Aggregation von Kontextinformationen aus zwei Richtungen und gleichzeitige Filterung von irrelevanten Inhalten. Die experimentellen Ergebnisse zeigen, dass EF-BHA auf zwei öffentlichen Datensätzen in unterschiedlichen Sprachen (Chinesisch und Englisch) konkurrenzfähige Leistungen erzielt. Zudem quantifizieren wir den Einfluss des Kontextes auf die Emotionsursachenextraktion und präsentieren eine Visualisierung der Wechselwirkungen zwischen vorgeschlagenen Ursachenklauseln und deren Kontext.