تحليل المشاعر القائم على الجوانب (ABSA) هو مهمة دقيقة تهدف إلى تحديد اتجاه المشاعر تجاه مصطلحات الجوانب المستهدفة التي تظهر في الجملة. يعاني تطور مهمة ABSA بشكل كبير من نقص البيانات المُعلَّمة. ولحل هذه المشكلة، درست الدراسات السابقة إمكانية استخدام مجموعات بيانات تحليل المشاعر (SA) لمساعدة تدريب نموذج ABSA، وذلك بشكل رئيسي من خلال التدريب المسبق أو التعلم متعدد المهام. في هذا المقال، نتبع هذا الاتجاه، ونُعدّ أول من نجح في تطبيق طريقة التسمية الوهمية (Pseudo-Label، PL) لدمج هاتين المهمتين المتجانستين. وعلى الرغم من أن استخدام التسميات الوهمية المولدة قد يبدو بسيطًا في معالجة حالة توحيد دقة التسميات بين مهامتين متقاربتين للغاية، إلا أننا نُحدّد في هذه الدراسة التحدي الرئيسي المرتبط بذلك، ونُقدّم إطارًا جديدًا يُسمّى التسمية الوهمية ذات التدرج المزدوج (Dual-granularity Pseudo Labeling، DPL). وبالإضافة إلى ذلك، تمامًا كما هو الحال مع PL، ننظر إلى DPL كإطار عام قادر على دمج الطرق السابقة المنشورة في الأدبيات. ومن خلال تجارب واسعة، أظهر DPL أداءً متفوقًا على المعايير القياسية، متفوقًا بشكل كبير على الدراسات السابقة.