Las reseñas en línea son una fuente importante de opinión para medir la calidad de los productos. Por lo tanto, se utiliza la minería de opiniones automatizada para extraer características importantes (aspectos) y comentarios relacionados (sentimientos). La extracción de pares de aspecto-sentimiento correctos es crítica para el resultado general de la minería de opiniones; sin embargo, los trabajos actuales aún tienen limitaciones en términos de identificar aspectos de sustantivos compuestos especiales y relaciones de padre-hijo en el proceso de extracción. Para abordar estos problemas, se propone un modelo de extracción de pares de aspecto-sentimiento utilizando reglas y un léxico de sustantivos compuestos (ASPERC). El modelo consta de tres fases principales: generación de léxico de sustantivos compuestos, generación de reglas de pares de aspecto-sentimiento y extracción de pares de aspecto-sentimiento. El enfoque combinado de reglas generadas a partir de oraciones de entrenamiento y un léxico de sustantivos compuestos específico del dominio permite la extracción de más aspectos al identificar primero aspectos de sustantivos compuestos especiales y de padre-hijo, lo que finalmente contribuye a una mayor extracción de pares de aspecto-sentimiento. El experimento se lleva a cabo con el conjunto de datos SemEval 2014 para comparar los modelos propuestos y de referencia. Tanto ASPERC como su variante, ASPER, obtienen un mayor recall (28.58% y 22.55% respectivamente) en comparación con el modelo de referencia y extraen satisfactoriamente más pares de sentimiento de aspecto. Por último, el resultado razonable de ASPER indica la aplicabilidad de las reglas a varios dominios.