情感支持对话系统在客服对话和自动心理治疗等许多应用具有关键价值，然而，现有的情感支持对话系统通常忽视了两个重要问题。a)它们一般依赖于简单的情绪标签来描述用户状态，较少捕捉用户的情绪原因。b)它们通常专注于优化策略选择，可能忽略响应的相关性和多样性问题。因此，本文提出一个带有隐变量的情绪原因增强的模型来解决上述问题。首先，本文引入常识知识补充情绪相关信息，以建立用户的细粒度情绪状态，为推理情绪原因提供线索。随后利用连续隐变量描述输入数据的潜在特征，并使用记忆模式让解码器直接关注这些信息，从而提高响应的相关性和多样性。模型在自动评估和人工评估中都超过现有基线，策略预测准确度指标ACC，响应相关性指标B-2和多样性指标D-2都有明显提升，验证了模型的有效性。
