L'extraction de triplets d'aspect et de sentiment (ASTE) vise à extraire des triplets d'une phrase, comprenant les entités cibles, les polarités de sentiment associées et les segments d'opinion qui justifient ces polarités. Les méthodes existantes manquent de construire une corrélation entre les paires cible-opinion et négligent l'interférence mutuelle entre différents triplets de sentiment. Pour remédier à ces problèmes, nous utilisons un cadre en deux étapes pour renforcer la corrélation entre les cibles et les opinions : à la première étape, nous extrayons les cibles et les opinions par le biais du marquage de séquence ; puis nous ajoutons un ensemble de balises artificielles appelées Paires Perceptibles, qui indiquent l'étendue d'un triplet cible-opinion spécifique, à la phrase d'entrée afin d'obtenir une représentation plus corrélée des paires cible-opinion. Parallèlement, nous réduisons l'interférence négative entre les triplets en restreignant le champ d'attention des jetons. Enfin, la polarité est identifiée en fonction de la représentation de la Paire Perceptible. Nous menons des expériences sur quatre jeux de données, et les résultats expérimentaux montrent l'efficacité de notre modèle.