تدريب BERT اللاحق لفهم المراجعات وتحليل المشاعر القائمة على الجوانب

يُلعب الإجابة على الأسئلة دورًا مهمًا في التجارة الإلكترونية، حيث يسمح للعملاء المحتملين بالبحث بنشاط عن المعلومات الحاسمة حول المنتجات أو الخدمات التي تساعد في اتخاذ قرارات الشراء. مستوحى من النجاح الحديث لفهم القراءة الآلية (MRC) في الوثائق الرسمية، يستكشف هذا البحث إمكانية تحويل مراجعات العملاء إلى مصدر كبير للمعرفة يمكن استغلاله للإجابة على أسئلة المستخدمين. نطلق على هذه المشكلة اسم فهم القراءة للمراجعات (RRC). حسب علمنا، لم يتم إجراء أي عمل سابق في مجال RRC. في هذا البحث، نقوم أولاً ببناء مجموعة بيانات RRC تُسمى ReviewRC تعتمد على مقاييس شائعة لتحليل المشاعر القائم على الجوانب. نظرًا لوجود أمثلة تدريب محدودة في ReviewRC (وكذلك في تحليل المشاعر القائم على الجوانب)، نستكشف بعد ذلك نهجًا جديدًا للتدريب اللاحق على النموذج اللغوي الشائع BERT لتعزيز أداء التحسين الدقيق لـ BERT في RRC. لإظهار عمومية هذا النهج، تم تطبيق التدريب اللاحق المقترح أيضًا على بعض المهام الأخرى القائمة على المراجعات مثل استخراج الجوانب وتصنيف مشاعر الجوانب في تحليل المشاعر القائم على الجوانب. تظهر النتائج التجريبية أن التدريب اللاحق المقترح فعال للغاية. يمكن الحصول على المجموعات البيانات والكود من https://www.cs.uic.edu/~hxu/.