Recientemente, las redes neuronales gráficas (GNN), debido a su convincente capacidad de aprendizaje de representaciones, han sido explotadas para tratar la extracción de pares emoción-causa (ECPE). Sin embargo, los métodos actuales de ECPE basados en GNN se centran principalmente en modelar la relación de dependencia local entre nodos homogéneos en la granularidad semántica de cláusulas o pares de cláusulas, mientras que no aprovechan al máximo la rica información semántica en el documento. Para resolver este problema, proponemos una nueva red de atención de gráficos heterogéneos jerárquicos para modelar relaciones semánticas globales entre nodos. Especialmente, nuestro método introduce todos los tipos de elementos semánticos involucrados en el ECPE, no solo cláusulas o pares de cláusulas. Específicamente, primero modelamos la dependencia entre cláusulas y palabras, en la que los nodos de palabras también se utilizan como intermediarios para la asociación entre nodos de cláusulas. En segundo lugar, se construye un subgrafo a nivel de par para explorar la correlación entre los nodos de par y sus diferentes nodos vecinos. El aprendizaje de representaciones de cláusulas y pares de cláusulas se logra mediante redes de atención de gráficos heterogéneos de dos niveles. Los experimentos en los conjuntos de datos de referencia muestran que nuestro modelo propuesto logra una mejora significativa sobre 13 métodos comparados.