Este estudio propone un método de Promoción Mejorada por Aspectos (AEP) para la Adaptación de Dominio Multi-Fuente no Supervisada en la Clasificación de Sentimientos por Aspectos, donde los datos del dominio objetivo no están disponibles para el entrenamiento del modelo. El AEP propuesto se basa en dos modelos de lenguaje generativos: uno genera un aviso a partir de una reseña dada, mientras que el otro sigue el aviso y clasifica el sentimiento de un aspecto. El primer modelo extrae Características Relacionadas con el Aspecto (ARFs), que son palabras estrechamente relacionadas con el aspecto, de la reseña e incorpora estas características en el aviso de manera independiente del dominio, dirigiendo así al segundo modelo a identificar el sentimiento con precisión. Nuestro marco incorpora un mecanismo de re-evaluación innovador y una estrategia de expansión de aviso basada en clústeres. Ambos están destinados a mejorar la robustez de la generación del aviso y la adaptabilidad del modelo a diversos dominios. Los resultados de los experimentos realizados en cinco conjuntos de datos (Restaurante, Laptop, Dispositivo, Servicio y Ubicación) demuestran que nuestro método supera las líneas base, incluyendo un método de adaptación de dominio no supervisada de vanguardia. La efectividad tanto del mecanismo de re-evaluación como de la expansión de aviso basada en clústeres también se valida a través de un estudio de ablación.