感情の原因要因は、感情的な会話を理解する上で中心的な役割を果たす。近年、会話における対象となる感情的発話の原因となる発話を特定するという新しいタスクとして、因果的感情含意（Causal Emotion Entailment: CEE）が提案された。これまでの研究ではこの問題の解決に一定の進展が見られたが、発話者の特性を適切に統合できず、会話構造における時系列的関係の影響も軽視されてきた。このような研究ギャップを一定程度埋めるために、本研究では新たな因果的感情含意フレームワーク、すなわちマルチペルスペクティブ強化グラフ注意ネットワーク（Multi-Perspective Enhanced Graph attention network: MPEG）を提案する。MPEGの学習プロセスは3段階から構成される。まず、発話者に配慮した事前学習モデルと2つの注目メカニズムを用いて、局所的な文脈情報および発話者情報・感情情報を統合した発話表現を取得する。次に、これらの表現をグラフ注意ネットワーク（GAT）に供給し、会話構造と感情動態を局所的およびグローバルな視点からモデル化する。最後に、全結合ネットワークを用いて感情的発話と因果的発話の間の関係を予測する。実験結果から、MPEGが最先端の性能を達成することが確認された。