Dieses Papier stellt einen auf tiefem Lernen basierenden Ansatz vor, um Produktvergleichsinformationen aus Benutzerbewertungen auf verschiedenen E-Commerce-Websites zu extrahieren. Jede vergleichende Produktbewertung enthält drei wesentliche Informationsentitäten: die Namen der verglichenen Produkte, die Meinung des Nutzers (Prädikat) und das verglichene Merkmal oder Aspekt. Alle diese informierenden Entitäten sind voneinander abhängig und durch die Regeln der Sprache in der Bewertung gebunden. Wir beobachten, dass ihre gegenseitigen Abhängigkeiten gut mit Long Short-Term Memory (LSTM)-Netzwerken erfasst werden können. Wir evaluieren unser System anhand bereits manuell annotierter Datensätze und stellen eine Überlegenheit gegenüber dem bestehenden Rahmenwerk der semantischen Rollenzuordnung (SRL), das für diese Aufgabe weit verbreitet ist, fest.