Aspect Sentiment Triplet Extraction (ASTE)는 최근의 Opinion Mining 분야에서 가장 주목받는 하위 작업으로, 측면 대상(aspect target), 해당하는 감정(sentiment), 그리고 해당 의견 용어(opinion term)로 구성된 삼중항을 출력합니다. 최근 모델들은 삼중항 추출을 엔드투엔드 방식으로 수행하지만, 각 대상 단어와 의견 단어 간의 상호작용에 크게 의존하고 있습니다. 따라서, 여러 단어를 포함하는 대상과 의견에 대해서는 성능이 떨어집니다. 본 연구에서 제안한 구간(span) 수준 접근법은 감정 관계를 예측할 때 전체 구간의 상호작용을 명시적으로 고려합니다. 이로 인해 전체 구간의 의미론적 특성을 바탕으로 예측을 수행하여 더 나은 감정 일관성을 보장할 수 있습니다. 구간 열거로 인한 높은 계산 비용을 완화하기 위해, 우리는 Aspect Term Extraction (ATE) 및 Opinion Term Extraction (OTE) 작업에서 얻은 지도를 활용한 이중 채널 구간 필터링 전략을 제안합니다. 이 전략은 계산 효율성을 향상시키면서 동시에 의견과 대상 구간을 더욱 적절하게 구분합니다. 우리의 프레임워크는 ASTE뿐만 아니라 ATE와 OTE 작업에서도 강력한 성능을同时实现。特别是在我们的分析中显示，对于包含多词目标或多词意见的三元组，我们的构段级方法比基线模型实现了更显著的改进。为了确保最后一句的准确性并符合韩语表达习惯，我将重新翻译这一部分：특히, 우리의 분석 결과에 따르면, 다중 단어를 포함하는 삼중항에서 기존 베이스라인 모델보다 더 큰 개선 효과를 나타냈습니다.