オープンドメインの対象指向感情分析は、文章から意見の対象とその感情極性を検出することを目指しています。従来の研究では、このタスクをシーケンスタグ付け問題として定式化することが一般的でした。しかし、このような定式化には、巨大な探索空間や感情の一貫性欠如などの問題があります。これらの問題に対処するため、私たちはターゲットスパン境界の監督のもとで複数の意見対象を直接抽出し、その後そのスパン表現を使用して対応する極性を分類する、スパンベースの抽出・分類フレームワークを提案します。さらに、このフレームワークに基づくパイプラインモデル、ジョイントモデル、およびコラプストモデルという3つのアプローチについて調査を行いました。3つのベンチマークデータセットでの実験結果は、私たちのアプローチがシーケンスタグ付け基準モデルに対して一貫して優れていることを示しています。また、他の2つのモデルと比較してパイプラインモデルが最良の性能を達成していることも確認されました。