近年、Aspect-based sentiment analysis（ABSA）は広く研究されており、通常は4つの基本的な感情要素、すなわちアスペクトカテゴリ、アスペクト語、意見語、感情極性を含む。既存の研究では、これらの4つの要素を一度に予測するのではなく、部分的な感情要素の検出に焦点を当てることが多い。本研究では、与えられた意見文に対して、4つの感情要素を「四つ組（quad）」として統合的に検出することを目的とした「Aspect Sentiment Quad Prediction（ASQP）」タスクを導入する。このアプローチにより、より包括的かつ完全なアスペクトレベルの感情構造を明らかにすることができる。さらに、ASQPタスクを自然言語の言い換え生成プロセスに変換する新たな\textsc{Paraphrase}モデリング枠組みを提案する。一方で、生成形式により、パイプライン型アプローチにおける潜在的な誤差伝搬を緩和し、エンド・トゥ・エンドでASQPを解決可能となる。他方で、感情要素の意味情報を、自然言語形式でそれらを生成する学習を通じて十分に活用できる。標準データセットにおける広範な実験により、本研究で提案する手法の優位性および、提案された統一的\textsc{Paraphrase}モデリングフレームワークによるタスク間転移学習の可能性が確認された。