近年来，基于方面的 sentiment 分析（ABSA）的快速发展显示出其在现实社会中的巨大潜力。然而，目前的 ABSA 研究大多局限于单篇文本的情景，对话背景下的研究尚未得到充分探索。为了弥合细粒度 sentiment 分析与对话意见挖掘之间的差距，本研究引入了一项新的任务——对话基于方面的 sentiment 四元组分析（DiaASQ），旨在检测对话中目标-方面-意见-sentiment 的四元组。我们手动构建了一个大规模、高质量的 DiaASQ 数据集，涵盖中文和英文两种语言。我们特意开发了一个神经模型来为该任务设立基准，该模型在端到端四元组预测方面表现出色，并成功地融入了丰富的对话特定特征和篇章特征表示，以更好地进行跨话语四元组提取。我们希望这一新的基准能够激发 sentiment 分析领域的更多进展。