在跨领域情感三元组提取（ASTE）中，我们提出了一种名为 Fine-grained cOntrAstive Learning（FOAL）的方法，通过减少领域之间的差异并保留每个类别的可辨识性，有效地在领域之间转移知识并准确提取情感三元组，实验结果显示，相较于现有基线方法，FOAL 在六个领域转移对上取得了 6% 的性能提升，并显著降低了领域差异。