تحليل المشاعر حسب المصطلح (ATSA) هو تحدي قائم منذ فترة طويلة في فهم اللغة الطبيعية. يتطلب هذا التحليل استدلالًا دقيقًا على المستوى الدلالي حول الكيان المستهدف المذكور في النص. نظرًا لأن عملية التسمية اليدوية للمصطلحات تكون مرهقة ومستهلكة للوقت، فإن كمية البيانات المصنفة محدودة للتعلم الإشرافي. تقدم هذه الورقة بحثية طريقة شبه إشرافية لمشكلة ATSA باستخدام ترميز التباين القائم على المحول (VAET)، والذي يُشكل التوزيع الخفي عبر الاستدلال التبادلي. من خلال فصل التمثيل الخفي إلى المشاعر الخاصة بالمصطلح والسياق اللغوي، تقوم طريقتنا بإنتاج تنبؤات المشاعر الكامنة للبيانات غير المصنفة، مما يفيد تصنيف ATSA. طريقتنا لا تعتمد على نوع المصنف، أي أن المصنف هو وحدة مستقلة ويمكن دمج نماذج إشرافية متقدمة مختلفة. تم الحصول على نتائج التجارب على مهمة SemEval 2014 رقم 4 وأظهرت أن طريقتنا فعالة مع أربعة مصنفات كلاسيكية. حققت الطريقة المقترحة أداءً أفضل من طريقتين شبه إشرافيتين عامتين وحققت أداءً رائدًا في مجالها (state-of-the-art).