El objetivo del análisis de sentimiento basado en aspectos (ABSA) es identificar la polaridad del sentimiento de aspectos específicos en un contexto. Recientemente, las redes neuronales gráficas han empleado información sintáctica de árboles dependientes para evaluar la relación entre aspectos y palabras contextuales; sin embargo, la mayoría de esta investigación ha descuidado frases que son insensibles al análisis sintáctico y el efecto entre varios aspectos en una oración. En este documento, proponemos un modelo de redes de atención de grafos con características de borde de doble canal (AS-EGAT), que construye un grafo sintáctico de aspectos al mejorar la representación de dependencia sintáctica contextual de palabras clave de aspecto y la relación afectiva mutua entre varios aspectos en el contexto, y construye un grafo semántico a través del mecanismo de autoatención. Utilizamos las características de borde como un factor significativo para determinar el coeficiente de peso del mecanismo de atención para extraer eficientemente las características de borde del modelo de redes de atención de grafos (GAT). Como resultado, el modelo puede conectar características de sentimiento importantes de aspectos relacionados al tratar aspectos que carecen de expresiones de sentimiento obvias, prestar atención a aspectos de palabras importantes al tratar con aspectos de múltiples palabras, y extraer características de sentimiento de oraciones que no son sensibles a árboles de dependencia sintáctica al observar características semánticas. Los resultados experimentales muestran que nuestro modelo AS-EGAT propuesto es superior a las líneas base actuales más avanzadas. En comparación con los modelos de referencia LAP14, REST15, REST16, MAMS, T-shirt y Television, la precisión de nuestro modelo AS-EGAT aumentó en 0,76%, 0,29%, 0,05%, 0,15%, 0,22% y 0,38%, respectivamente. El puntaje macro-f1 aumentó en 1,16%, 1,16%, 1,23%, 0,37%, 0,53% y 1,93% respectivamente.