Die Aspect Sentiment Triplet Extraction (ASTE) hat das Ziel, aus einem Satz Triplette zu extrahieren, die Zielentitäten, zugehörige Stimmungspolaritäten und Meinungsabschnitte umfassen, die die Polaritäten begründen. Bestehende Methoden sind darin mangelhaft, Korrelationen zwischen Ziel- und Meinungspaaren aufzubauen, und vernachlässigen die gegenseitige Beeinflussung verschiedener Stimmungstriplette. Um diese Probleme zu lösen, nutzen wir ein zweistufiges Framework, um die Korrelation zwischen Zielen und Meinungen zu verbessern: In der ersten Phase extrahieren wir Ziele und Meinungen durch Sequenztagging; danach fügen wir eine Gruppe künstlicher Tags namens Perzeptive Paare (Perceivable Pair) hinzu, die den Bereich eines bestimmten Ziel-Meinungstupels markieren, um eine stärkere korrelierte Darstellung von Ziel- und Meinungspaaren zu erhalten. Gleichzeitig verringern wir die negative Interferenz zwischen Tripletten, indem wir das Aufmerksamkeitsfeld der Tokens einschränken. Schließlich wird die Polarität anhand der Darstellung des Perzeptiven Paares identifiziert. Wir führen Experimente auf vier Datensätzen durch, und die experimentellen Ergebnisse zeigen die Effektivität unseres Modells.