حتى الآن، تضمنت تحليل المشاعر القائمة على الجوانب (ABSA) سبعة مهام فرعية، إلا أن التفاعلات بين هذه المهام لم تُدرس بشكل كافٍ. تقدم هذه الدراسة إطارًا جديدًا متعدد الطبقات متسلسلًا موحدًا لتحليل المشاعر القائمة على الجوانب مع الحفاظ على هذه التفاعلات. أولاً، نُمذّل المهام السبعة كهيكل تبعي تسلسلي من السهل إلى الصعب، بناءً عليه نُقدّم آلية فك تشفير متعددة الطبقات، تنقل تخطيطات المشاعر والمؤشرات من المهام الدنيا إلى المهام العليا. تُمكّن هذه الاستراتيجية من تدفق فعال بين المهام الفرعية وتتجنب التدريب المتكرر؛ وفي الوقت نفسه، تُستخدم البيانات الحالية بشكل كامل دون الحاجة إلى أي تسمية إضافية. علاوةً على ذلك، بالاعتماد على خصائص استخراج مصطلحات الجوانب والآراء وربطها معًا، نُحسّن إطارنا المتعدد الطبقات من خلال دمج معلومات التصنيف النحوي (POS) وعلاقات الاعتماد النحوي لتحديد حدود المصطلحات وربطها. يُعزز الإطار المقترح، المسمى SyMux (Syntax-aware Multiplex)، أداء تحليل المشاعر القائمة على الجوانب على 28 مهمة فرعية (7×4 مجموعات بيانات) بفارق كبير.