Diese Arbeit stellt eine Methodik zur Gewinnung zentraler Erkenntnisse aus nutzererzeugten Rezensionen vor. Die Studie basiert auf der aspectbasierten Sentimentanalyse (Aspect Based Sentiment Analysis, ABSA), die die Stimmung von Aspekten, die in Textdokumenten erwähnt werden, vorhersagt. Die extrahierten Aspekte sind fein granular und werden in einer Präsentationsform präsentiert, die als Review Highlights bekannt ist.Der syntaktische Ansatz für den Extraktionsprozess leidet unter überlappenden Chunking-Regeln, was zu einer Rauschextraktion führt. Wir stellen eine hybride Technik vor, die maschinelles Lernen mit regelbasierten Modellen kombiniert. Ein Multilabel-Klassifikator identifiziert die wirksamen Regeln, die Aspekte und Meinungen effizient aus Texten extrahieren. Durch die Auswahl dieser Regeln wird die Menge an Rauschen in den Extraktionsaufgaben reduziert.Dies ist ein neuartiger Ansatz, um die Eignung syntaktischer Regeln aus einer Korpus-Datenmenge mittels maschinellen Lernens zu erlernen, um eine präzise Aspektextraktion zu ermöglichen. Da das Modell die Vorhersage syntaktischer Regeln aus dem Korpus lernt, wird die Extraktionsmethode domainspezifisch unabhängig. Zudem ermöglicht dies die Untersuchung der Qualität syntaktischer Regeln in unterschiedlichen Korpora.