Die rasche Entwicklung der aspektbasierten Sentimentanalyse (ABSA) in den letzten Jahrzehnten zeigt großes Potenzial für die reale Gesellschaft. Die aktuellen ABSA-Ansätze sind jedoch größtenteils auf das Szenario einzelner Textstücke beschränkt, sodass die Untersuchung im Kontext von Dialogen weitgehend unerforscht bleibt. Um die Lücke zwischen feingranulierter Sentimentanalyse und konversationsbasierter Meinungsbewertung zu schließen, stellen wir in dieser Arbeit eine neue Aufgabe der konversationsbasierten aspektbasierten Sentiment-Quadrupel-Analyse vor, genannt DiaASQ, mit dem Ziel, das Quadrupel aus Ziel-Aspekt-Meinung-Sentiment in einem Dialog zu erkennen. Wir haben manuell einen umfangreichen hochwertigen DiaASQ-Datensatz in chinesischer und englischer Sprache erstellt. Wir haben absichtlich ein neuronales Modell entwickelt, um die Aufgabe zu bewerten, das sich durch effektive end-to-end-Quadrupelvorhersage auszeichnet und es schafft, reichhaltige dialogspezifische und diskursbezogene Merkmalsrepräsentationen zu integrieren, um eine bessere Extraktion von Quadrupeln über mehrere Äußerungen hinweg zu ermöglichen. Wir hoffen, dass das neue Benchmarking-Instrument weitere Fortschritte in der Gemeinschaft der Sentimentanalyse anregen wird.