レビュー読解理解とアスペクトベースの感情分析のためのBERTポストトレーニング

質問応答は、潜在的な顧客が購入意思決定を助けるために製品やサービスに関する重要な情報を積極的に探すことを可能にするため、eコマースにおいて重要な役割を果たします。公式文書における機械読解理解（MRC）の最近の成功に触発され、この論文では顧客レビューをユーザーの質問に答えるために活用できる大規模な知識源に変える潜在能力を探ります。この問題をレビュー読解理解（RRC）と呼びます。私たちの知識の限り、RRCに関する既存の研究はありません。この研究では、まずアスペクトベースの感情分析の人気のあるベンチマークに基づいて、ReviewRCと呼ばれるRRCデータセットを構築します。ReviewRCはRRC（およびアスペクトベースの感情分析）の限られたトレーニング例を持っているため、次に、BERTのRRCのファインチューニング性能を向上させるために、人気のある言語モデルBERTに対する新しいポストトレーニングアプローチを探ります。このアプローチの一般性を示すために、提案されたポストトレーニングは、アスペクト抽出やアスペクトベースの感情分析におけるアスペクト感情分類など、他のレビュー関連タスクにも適用されます。実験結果は、提案されたポストトレーニングが非常に効果的であることを示しています。データセットとコードはhttps://www.cs.uic.edu/~hxu/で利用できます。