情感分析是自然语言处理领域的一项重要应用，旨在快速、高效地处理并提取情感信息。在先前的三元组抽取（即观点-情感-方面三元组）基础上，研究者提出了四元组抽取任务——方面类别-方面-观点-情感（Aspect-Category-Opinion-Sentiment, ACOS）四元组抽取，以实现更细粒度的情感分析。尽管已有多种方法用于四元组抽取，但仍存在诸多局限，例如对隐含信息的处理能力不足，整体性能表现偏低。本文提出一种基于BART的方面感知情感分析模型——BART-Aspect-Based-Sentiment-Analysis（BARTABSA），该模型旨在统一此前方面级情感分析中的两个子任务：方面-观点对抽取与方面-观点-情感三元组抽取，并在不改变核心算法或引入额外模型的前提下，直接解决ACOS子任务。通过对数据及模型外层结构进行适当调整后，实验结果表明，该方法在性能上相较以往方法取得了显著且具有前景的提升。