Afin de surmonter les limites des méthodes existantes d'analyse latérale des sentiments (ABSA) utilisant les arbres de dépendance-syntaxe et la sémantique contextuelle, cet article propose un nouveau modèle basé sur le transport optimal, appelé OTESGN. OTESGN intègre l'attention syntaxique-sémantique sensible aux graphes à l'attention sémantique-optimale du transport afin de modéliser efficacement les dépendances syntaxiques et les alignements sémantiques subtils. En particulier, l'attention sémantique-optimale du transport capture avec précision les mots d'opinion importants, même dans les mots bruyants, identifiant ainsi avec précision les signaux de sentiment. Les performances et la robustesse du modèle sont améliorées grâce à un module de fusion d'attention adaptative et à une régularisation contrastive. Les résultats expérimentaux montrent que le modèle proposé obtient des améliorations de +1,01 % F1 et +1,30 % F1 par rapport aux modèles de pointe existants sur les benchmarks Twitter et Laptop14, respectivement.
