L'extraction de triplets d'aspect-sentiment (ASTE), qui vise à identifier les aspects des phrases de commentaires ainsi que leurs expressions d'opinion correspondantes et leurs sentiments, est une tâche émergente dans l'exploration fine des opinions. Étant donné que l'ASTE comprend plusieurs sous-tâches, telles que l'extraction d'entités d'opinion, la détection de relations et la classification de sentiments, il est crucial et difficile de capturer et d'utiliser adéquatement les associations entre elles. Dans cet article, nous transformons la tâche ASTE en une tâche de compréhension de lecture machine multi-tours (MTMRC) et proposons un cadre MTMRC bidirectionnel (BMRC) pour relever ce défi. Plus précisément, nous élaborons trois types de requêtes, incluant des requêtes d'extraction non restrictives, des requêtes d'extraction restrictives et des requêtes de classification de sentiments, afin de construire les associations entre les différentes sous-tâches. De plus, considérant qu'un triplet d'aspect-sentiment peut être dérivé soit d'un aspect soit d'une expression d'opinion, nous concevons une structure MTMRC bidirectionnelle. Une direction reconnaît séquentiellement les aspects, les expressions d'opinion et les sentiments pour obtenir des triplets, tandis que l'autre direction identifie en premier lieu les expressions d'opinion, puis les aspects et enfin les sentiments. En faisant compléter mutuellement ces deux directions, notre cadre peut identifier les triplets plus exhaustivement. Pour vérifier l'efficacité de notre approche, nous menons des expériences approfondies sur quatre jeux de données de référence. Les résultats expérimentaux montrent que le BMRC atteint des performances au niveau de l'état de l'art.Note: - "Aspect sentiment triplet extraction" a été traduit par "extraction de triplets d'aspect-sentiment".- "Multi-turn machine reading comprehension" a été traduit par "compréhension de lecture machine multi-tours" (MTMRC).- "Bidirectional MRC" a été traduit par "MTMRC bidirectionnel" (BMRC).