Como una sub tarea del análisis de sentimientos, el análisis de sentimientos basado en aspectos (ABSA) se refiere a identificar la polaridad del sentimiento del aspecto dado. Los modelos ABSA de última generación se desarrollan utilizando redes neuronales gráficas para tratar con la semántica y la sintaxis de la oración. Estos métodos se enfrentan a dos problemas. Por un lado, las redes de convolución gráfica basadas en semántica no logran capturar la relación entre el aspecto y su palabra de opinión. Por otro lado, se asigna poca atención a la palabra del aspecto dentro de la convolución gráfica, lo que resulta en la introducción de ruido contextual. En este trabajo, proponemos una red de convolución gráfica de doble canal mejorada con conocimiento. En la tarea de ABSA, se establecen una red de convolución gráfica (GCN) basada en semántica y una GCN basada en sintaxis. Con respecto al aprendizaje semántico, la semántica de las oraciones se mejora utilizando conocimiento común. Se utiliza un mecanismo de atención de múltiples cabezas para construir el grafo semántico y filtrar el ruido, lo que facilita la agregación de información de los aspectos y las palabras de opinión. Para el procesamiento de información sintáctica, el árbol de dependencia sintáctica se poda para eliminar las palabras irrelevantes, sobre la base de las cuales se otorgan más pesos de atención a las palabras del aspecto. Se realizan experimentos en cuatro conjuntos de datos de referencia para evaluar el rendimiento de trabajo del modelo propuesto. Nuestro modelo supera significativamente a los modelos de referencia y verifica su efectividad en las tareas de ABSA.