تحليل المشاعر القائم على الجوانب (ABSA) يتضمن ثلاث مهام فرعية، وهي استخراج مصطلح الجوانب، واستخراج مصطلحات الرأي، وتصنيف مشاعر على مستوى الجوانب. ركّزت معظم الدراسات الحالية على إحدى هذه المهام فقط. أما عدة أبحاث حديثة فقد بذلت محاولات ناجحة لحل مشكلة ABSA الكاملة باستخدام إطار موحد. ومع ذلك، ما زال التفاعل بين هذه المهام الثلاثة غير مستغل بالكامل. نحن نجادل بأن هذه العلاقات تحمل إشارات تعاونية بين المهام المختلفة. على سبيل المثال، عندما يكون مصطلح الرأي هو "لذيذ"، يجب أن يكون مصطلح الجوانب "الطعام" وليس "المكان". وللاستفادة الكاملة من هذه العلاقات، نقترح إطارًا يُسمى التعلم التعاوني المستشعر بالعلاقات (RACL)، والذي يتيح للمهام الفرعية العمل بشكل متزامن من خلال آليات التعلم متعدد المهام ونقل العلاقات في شبكة متعددة الطبقات متسلسلة. أظهرت تجارب واسعة على ثلاث مجموعات بيانات واقعية أن RACL يتفوق بشكل كبير على أحدث الأساليب المتوفرة في حل مهام ABSA الكاملة.