El análisis de sentimientos basado en aspectos (ABSA) juega un papel significativo en el campo de big data y tiene como objetivo distinguir la polaridad del sentimiento de aspectos específicos en oraciones dadas; sin embargo, los trabajos previos en ABSA tenían dos limitaciones. Principalmente consideraban características semánticas en lugar de características de dependencia sintáctica, y prestaban demasiada atención a las palabras de contexto, ignorando la interacción de alto nivel de múltiples representaciones de los propios aspectos. Para hacer frente a estas limitaciones, proponemos un nuevo método basado en la red convolucional de grafos (GCN) y el mecanismo de atención multi-cabeza, llamado red codificadora interactiva de atención (AIEN). El GCN se utilizó para obtener la información sintáctica que tiene el mayor impacto sintáctico en el aspecto basado en el árbol de dependencia sintáctica. El mecanismo de atención multi-cabeza no solo puede obtener la información consciente del contexto de los aspectos dados, sino también la información de interacción entre múltiples representaciones del aspecto en sí. La información de alto nivel generada por la interacción de características multidimensionales puede producir una capacidad de representación más fuerte para el aspecto. Nuestros experimentos con el modelo propuesto en cinco conjuntos de datos de referencia mostraron que nuestro modelo superó significativamente a otros trabajos. Los resultados experimentales demostraron además la viabilidad y aplicabilidad de nuestro modelo propuesto en la tarea de ABSA.