چکیده: این تحقیق با عنوان «نظرکاوی مبتنی بر تشخیص جنبه، موضوع، نظر و احساس» به ارائه روشی نوین برای استخراج چهارگانه‌های جنبه-دسته-نظر-احساس (ACOS) با تمرکز ویژه بر تحلیل احساسات ضمنی می‌پردازد. روش پیشنهادی بر پایه مدل T5-large و رویکرد مبتنی بر فاصله در استخراج و دسته‌بندی ACOS توسعه یافته است. برای رفع چالش کمبود داده، از تکنیک‌های افزونگی داده با تولید جملات مصنوعی توسط چت جی پی تی و انتقال یادگیری از دیتاست Laptop-ACOS استفاده شد. علاوه بر این، تکنیک‌های رمزگشایی محدودشده، جستجوی پرتوی پیشرفته (با ۵ پرتو)، رمزگشایی چندمسیره با تجمیع رأی‌گیری و ادغام اطلاعات فاصله و مکانیزم توجه اضافی به کار گرفته شد. آزمایش‌ها روی دیتاست REST16 از SemEval-2016 انجام گردید و نتایج نشان‌دهنده دستیابی به صحت ۸۵٫۲۰، بازخوانی ۸۰٫۳۰ و معیار F1 ۸۲٫۰۰٪ می باشد که بهبود قابل توجهی نسبت به روش‌های پیشین مانند دو-انتشار-چهارگانه‌های جنبه-دسته-نظر-احساس، جت-برت-چهارگانه‌های جنبه-دسته-نظر-احساس و فاصله-استخراج-دسته‌بندی-چهارگانه‌های جنبه-دسته-نظر-احساس (با F1 حداکثر ۴۵٫۹۹٪) دارد. این روش در شناسایی جنبه‌ها و نظرات ضمنی عملکرد بهتری نشان داده و چالش‌های مدل‌سازی یکپارچه و کمبود داده را به طور مؤثر رفع می‌کند.