Le développement rapide de l'analyse de sentiment basée sur les aspects (ABSA) au cours des dernières décennies montre un grand potentiel pour la société réelle. Cependant, les travaux actuels en ABSA sont principalement limités au scénario d'un seul texte, laissant le domaine des dialogues largement inexploré. Pour combler l'écart entre l'analyse de sentiment à grain fin et l'extraction d'opinions conversationnelles, nous introduisons dans ce travail une nouvelle tâche d'analyse quadruplette d'aspects basée sur les sentiments dans les dialogues, appelée DiaASQ, visant à détecter le quadruplet cible-aspect-opinion-sentiment dans un dialogue. Nous avons manuellement construit un ensemble de données DiaASQ de grande échelle et de haute qualité dans les langues chinoise et anglaise. Nous avons délibérément développé un modèle neuronal pour établir une référence pour cette tâche, qui progresse efficacement dans la prédiction quadruplette de bout en bout, et parvient à intégrer des représentations riches spécifiques aux dialogues et des caractéristiques discursives pour une meilleure extraction quadruplette inter-énoncés. Nous espérons que ce nouveau point de référence stimulera davantage d'avancées au sein de la communauté d'analyse de sentiment.