基于方面的情感分析（Aspect-Based Sentiment Analysis, ABSA）任务旨在从句子中提取情感三元组。近年来，诸如序列到序列（Seq2Seq）模型等生成式方法通过将输出建模为情感三元组的序列，取得了良好的性能。然而，情感三元组之间并不存在天然的顺序关系，当前三元组的生成不应依赖于先前生成的三元组。为此，本文提出一种名为 Seq2Path 的新方法，将情感三元组生成为树结构中的路径。树结构能够自然表达“一对多”关系（例如，一个方面词可能对应多个观点词），而树中各路径之间相互独立，不具有顺序性。在训练阶段，我们将每条路径视为一个独立的目标，计算普通 Seq2Seq 模型在所有路径上的平均损失；在推理阶段，采用带有约束解码的束搜索（beam search）策略。通过引入一个额外的判别性标记（discriminative token）并结合数据增强技术，模型能够自动筛选出有效的路径。我们在五个典型任务（AOPE、ASTE、TASD、UABSA、ACOS）上进行了实验，并在四个常用基准数据集（Laptop14、Rest14、Rest15、Rest16）上评估了所提方法。实验结果表明，该方法在几乎所有任务中均达到了当前最优（state-of-the-art）性能。