基于方面的情感分析（Aspect-Based Sentiment Analysis, ABSA）近年来受到越来越多的关注。现有大多数方法采用判别式范式，针对不同任务设计各类特定的分类网络进行预测。尽管这些方法在性能上表现良好，但它们忽略了ABSA任务中丰富的标签语义信息，且需要大量针对特定任务的模型设计工作。本文提出一种统一的生成式框架，用于处理各类ABSA任务。为此，我们设计了两种建模范式——标注式（annotation-style）与抽取式（extraction-style）建模，通过将每个ABSA任务建模为文本生成问题，从而实现端到端的训练过程。我们在多个基准数据集上的四个ABSA任务上进行了实验，结果表明，所提出的生成式方法在几乎所有情况下均取得了新的最先进性能。这充分验证了该框架的强大泛化能力，能够无需额外的任务特定模型设计，即可灵活适配任意ABSA任务。