لأكثر من عقد، تم استخدام التعلم الآلي لاستخراج هياكل حامل الرأي-الهدف من النص للإجابة على السؤال "من عبر عن أي نوع من المشاعر تجاه ماذا؟". الطرق العصبية الحديثة لا تتفوق على أفضل النماذج القائمة على الخصائص في تصنيف أدوار الرأي (ORL). نشتبه بأن هذا يعود إلى ندرة البيانات المعلمة المستخدمة في التدريب، ونعالج هذه المشكلة باستخدام تقنيات مختلفة للتعلم متعدد المهام (MTL) مع مهمة ذات صلة تحتوي على بيانات أكثر بكثير، وهي تصنيف الأدوار الدلالية (SRL). نظهر أن نموذجين من MTL يحسنان بشكل كبير على النموذج المخصص للمهمة الواحدة في تصنيف حاملي الرأي والأهداف، سواءً في مجموعات التطوير أو الاختبار. اكتشفنا أن النموذج البسيط MTL الذي يقوم بالتنبؤ باستخدام الخصائص المشتركة بين ORL و SRL فقط، هو الأفضل. من خلال تحليل أعمق، حددنا ما يعمل وما يمكن القيام به لتحسينات إضافية في ORL.