استخلاص ثلاثيات المشاعر القائمة على الجوانب (ASTE) يهدف إلى التعرف على ثلاثيات مترابطة من النصوص، أي مصطلحات الجوانب، وتعبيرات الرأي، والاتجاهات المشاعر المرتبطة بها. وباعتباره مهمة مُقترحة حديثًا، فإن ASTE تُمثّل صورة شمولية للشعور من زوايا مختلفة، مما يُسهّل تطبيقات العالم الحقيقي بشكل أفضل. ومع ذلك، لم تُعالج الطرق الحالية لـ ASTE بشكل فعّال عدة تحديات رئيسية، مثل مشكلة التداخل والاعتماد على المسافات الطويلة، مما يحد من أداء المهمة. في هذه المقالة، نقدّم إطارًا مبتكرًا يعتمد على الترميز والفك (encoder-decoder) لاستخلاص ASTE من الطرف إلى الطرف. بشكل مفصّل، تُمثّل مهمة ASTE أولاً كمشكلة تنبؤ بمتجمّع ثلاثيات غير مرتبة، والتي تُحقّق من خلال نمط فك غير تسلسلي باستخدام شبكة مؤشر (pointer network). ثانيًا، نُقدّم آلية تجميع من الدرجة العالية جديدة لدمج التفاعلات الكامنة بين الهيكل المتداخل لمصطلحات الجوانب والآراء بشكل كامل. ثالثًا، نُدخل خسارة مطابقة ثنائية (bipartite matching loss) لتسهيل تدريب نظامنا غير التسلسلي. تُظهر النتائج التجريبية على مجموعات بيانات معيارية أن الإطار المقترح يتفوّق بشكل ملحوظ على الطرق الرائدة حاليًا. كما تُبيّن التحليلات الإضافية المزايا التي يتمتع بها الإطار المقترح في التعامل مع مشكلة التداخل، وتخفيف التبعية على المسافات الطويلة، وتحسين كفاءة الفك.