L'extraction ciblée de mots d'opinion (TOWE) est une sous-tâche de l'analyse de sentiment basée sur les aspects (ABSA), qui vise à identifier les mots d'opinion associés à un terme-aspect donné dans une phrase. Bien que les modèles d'apprentissage profond actuels aient connu des succès pour le TOWE, ils échouent à exploiter les informations syntaxiques des phrases, qui ont été démontrées utiles pour le TOWE dans les recherches précédentes. Dans cette étude, nous proposons d'intégrer les structures syntaxiques des phrases dans les modèles d'apprentissage profond pour le TOWE, en utilisant les scores de possibilité d'opinion basés sur la syntaxe et les connexions syntaxiques entre les mots. Nous introduisons également une nouvelle technique de régularisation visant à améliorer les performances des modèles d'apprentissage profond en fonction des différences de représentation entre les mots dans le cadre du TOWE. Le modèle proposé fait l'objet d'une analyse approfondie et atteint des performances de pointe sur quatre jeux de données de référence.