No contexto do constante crescimento da Web, diversos serviços foram virtualizados, incluindo o surgimento do comércio eletrônico (e-commerce). Tanto tradicionalmente quanto através de e-commerce, as pessoas necessitam comparar produtos e serviços para nortear suas decisões por meio da análise das características desejadas. A mudança que a Web ocasionou foi a exposição de suas opiniões em sites de compra e venda, fóruns na Web, Redes Sociais ou ainda Grupos de discussão, permitindo sua visualização por qualquer pessoa que necessite. Porém, com o crescimento explosivo da Web e da quantidade de dados gerada diariamente, uma análise manual dessas informações tornou-se impossível, tendo promovido o surgimento da área de Mineração de Opiniões. Um sistema de mineração de opinião consiste em identificar, classificar e sumarizar as opiniões em descrições textuais de consumidores sobre produtos ou serviços. Na literatura, existem diversas abordagens utilizadas na identificação de opiniões para extrair a entidade alvo e seus aspectos, a saber: i) extração baseada em substantivos frequentes; ii) extração através da relação entre o alvo e o sentimento; iii) extração usando aprendizado supervisionado; e iv) extração usado modelos de tópicos. Este trabalho propõe realizar uma comparação e avaliação entre os principais métodos usados na tarefa de extração de aspectos em sistemas de mineração. Assim, o objetivo principal é identificar automaticamente opiniões em relatos de consumidores sobre produtos extraindo as principais características e classificando o sentimento relacionado a cada opinião. Como estudo preliminar, foi implementado um método de classificação de opinião em nível de sentença, usando Redes Neurais Convolucionais, em que diversos parâmetros da rede foram avaliados.