Im Bereich der aspektbasierten Sentimentanalyse ist die Extraktion von Aspekt- und Meinungstermen aus nutzergeneriertem Inhalt eine der wichtigsten Teilbereiche. Frühere Studien haben gezeigt, dass das Ausnutzen von Verbindungen zwischen Aspekt- und Meinungstermen für diese Aufgabe vielversprechend ist. In dieser Arbeit schlagen wir ein neues gemeinsames Modell vor, das rekursive Neuronale Netze und bedingte Markowfelder (conditional random fields) in einen einheitlichen Rahmen zur expliziten Co-Extraktion von Aspekt- und Meinungstermen integriert. Das vorgeschlagene Modell lernt hochwertige diskriminative Merkmale und verbreitet Informationen zwischen Aspekt- und Meinungstermen gleichzeitig in beiden Richtungen. Darüber hinaus ist es flexibel genug, um manuell erstellte Merkmale in das vorgeschlagene Modell zu integrieren, um dessen Informationsextraktionsleistung weiter zu verbessern. Experimentelle Ergebnisse auf dem SemEval-Challenge-Datensatz 2014 zeigen die Überlegenheit unseres vorgeschlagenen Modells gegenüber mehreren Baseline-Methoden sowie den Siegersystemen des Challenges.