تحليل المشاعر القائم على الجوانب ينتج قائمة بمصطلحات الجوانب ومشاعرها المقابلة لجملة بلغة طبيعية. يتم تنفيذ هذه المهمة عادةً بطريقة خطية، حيث يتم استخراج مصطلحات الجوانب أولاً، ثم التنبؤ بالمشاعر تجاه المصطلحات المستخرجة. رغم سهولة تطوير مثل هذا النهج، فإنه لا يستغل بشكل كامل المعلومات المشتركة من المهمتين الفرعيتين ولا يستخدم جميع مصادر المعلومات التدريبية المتاحة التي قد تكون مفيدة، مثل قاعدة بيانات مشاعر مستوي الوثيقة المصنفة. في هذا البحث، نقترح شبكة تعلم متعدد المهام تفاعلية (IMN) قادرة على تعلم مهمات متعددة ذات صلة بشكل متزامن على مستوى الكلمات وعلى مستوى الوثائق. على عكس الطرق التقليدية للتعلم متعدد المهام التي تعتمد على تعلم الخصائص المشتركة للمهام المختلفة، فإن IMN تقدم هندسة نقل الرسائل حيث يتم نقل المعلومات بشكل متكرر إلى المهام المختلفة عبر مجموعة مشتركة من المتغيرات الكامنة. أظهرت النتائج التجريبية أداءً فائقًا للطريقة المقترحة مقارنة بعدة أسس مرجعية على ثلاثة مجموعات بيانات معيارية.