面向方面的细粒度意见提取（AFOE）以意见对的形式从评论中提取方面词和意见词，或在此基础上再提取方面词的情感极性形成意见三元组。针对现有研究方法忽略了意见对与上下文相关性的问题，提出一种面向方面的自适应跨度特征的网格标记方案（ASF-GTS）模型。首先，利用BERT（Bidirectional Encode Representation from Transformers）模型获得句子的特征表示；然后，采用自适应跨度特征（ASF）方法加强意见对与局部上下文的联系；其次，通过网格标记方案（GTS）将意见对提取（OPE）转化为统一的网格标记任务；最后，使用特定的解码策略生成对应的意见对或意见三元组。在适用于意见元组提取任务的四个AFOE基准数据集上进行实验，结果表明，与GTS-BERT（Grid Tagging Scheme-BERT）模型相比，所提模型在意见对和意见三元组任务上的F1值分别提高了2.42%~7.30%和2.62%~6.61%。所提模型能够有效保留意见对与上下文的情感联系，更精确地提取意见对及其情感极性。
