L'Entailment Émotionnel Causale vise à identifier les énoncés causaux responsables de l'énoncé cible avec une émotion non neutre dans les conversations. Les travaux précédents sont limités dans la compréhension approfondie du contexte conversationnel et le raisonnement précis des causes émotionnelles. Pour remédier à cela, nous proposons un Réseau d'Interaction Causale Basé sur les Connaissances (KBCIN) qui utilise des connaissances de bon sens (CSK) comme trois ponts. Plus précisément, nous construisons un graphe conversationnel pour chaque conversation et utilisons les connaissances de bon sens centrées sur les événements comme pont sémantique (S-pont) pour capturer les dépendances inter-énoncés profondes dans le contexte conversationnel via le module d'Attention Graphique Amélioré par les CSK. De plus, les connaissances de bon sens relatives aux interactions sociales servent de pont émotionnel (E-pont) et de pont actionnel (A-pont) pour relier les énoncés candidats à l'énoncé cible, fournissant des indices causaux explicites pour que le module d'Interaction Émotionnelle et le module d'Interaction Actionnelle puissent raisonner sur l'émotion cible. Les résultats expérimentaux montrent que notre modèle obtient de meilleures performances par rapport à la plupart des modèles de référence. Notre code source est disponible au public sur https://github.com/circle-hit/KBCIN.