El análisis de sentimientos basado en aspectos dimensionales (dimABSA) tiene como objetivo reconocer cuádruples a nivel de aspecto en revisiones, ofreciendo una descripción de sentimientos detallada para las opiniones de los usuarios. Un cuádruple consta de aspecto, categoría, opinión e intensidad de sentimiento, que se representa mediante puntuaciones continuas en las dimensiones de valencia y activación. Para abordar esta tarea, proponemos un enfoque híbrido que integra el modelo BERT con un modelo de lenguaje grande (LLM). En primer lugar, desarrollamos tanto los métodos basados en BERT como en LLM para dimABSA. El método basado en BERT emplea un enfoque de canalización, mientras que el método basado en LLM transforma la tarea de dimABSA en una tarea de generación de texto. En segundo lugar, evaluamos su rendimiento en la extracción de entidades, clasificación de relaciones y predicción de intensidad para determinar sus ventajas. Finalmente, ideamos un enfoque híbrido para aprovechar al máximo sus ventajas en diferentes escenarios. Los experimentos demuestran que el enfoque híbrido supera a los métodos basados en BERT y LLM, logrando un rendimiento de vanguardia con un puntaje F1 del 41.7% en la extracción de cuádruples.