인과 관계 감정 추론(Causal Emotion Entailment)은 대화에서 목표 발화가 중립적이지 않은 감정을 가질 때 그에 대한 책임이 있는 인과 발화를 식별하는 것을 목표로 합니다. 이전 연구들은 대화 맥락의 철저한 이해와 감정 원인의 정확한 추론에 한계가 있었습니다. 이를 해결하기 위해, 우리는 상식 지식(Commonsense Knowledge, CSK)을 세 가지 다리로 활용하는 지식 연결 인과 상호작용 네트워크(Knowledge-Bridged Causal Interaction Network, KBCIN)를 제안합니다. 구체적으로, 각 대화에 대해 대화 그래프를 구성하고, 사건 중심의 CSK를 의미 수준 다리(Semantics-level Bridge, S-bridge)로 활용하여 CSK 강화 그래프 주의 모듈(CSK-Enhanced Graph Attention module)을 통해 대화 맥락 내 깊은 발화 간 의존성을 포착합니다. 또한, 사회적 상호작용 CSK는 감정 수준 다리(Emotion-level Bridge, E-bridge)와 행동 수준 다리(Action-level Bridge, A-bridge) 역할을 하여 후보 발화들을 목표 발화와 연결해주며, 이는 감정 상호작용 모듈(Emotional Interaction module)과 행동 상호작용 모듈(Actional Interaction module)이 목표 감정을 추론하는 데 명시적인 인과 단서를 제공합니다. 실험 결과는 우리의 모델이 대부분의 기존 모델보다 더 우수한 성능을 보임을 확인하였습니다. 우리의 소스 코드는 공개적으로 https://github.com/circle-hit/KBCIN에서 이용 가능합니다.