質問応答は、潜在的な顧客が製品やサービスに関する重要な情報を積極的に求め、購入決定を支援する役割を果たしており、電子商取引において重要な位置を占めています。最近の機械読解（MRC）が公式文書での成功を受け、本論文ではカスタマーレビューを大規模な知識源に変えることでユーザーコンテンツの質問に回答する可能性を探ります。この問題をレビューリーディングコンプリ헨ション (RRC) と呼びます。我々の知る限り、RRCに関する既存の研究は存在していません。本研究ではまず、アスペクトベースの感情分析の人気ベンチマークに基づいてRRCデータセットであるReviewRCを作成しました。ReviewRCにはRRC（およびアスペクトベースの感情分析）向けの訓練例が限られているため、次に人気のある言語モデルBERTの微調整性能向上のために新しい後処理手法を探索します。この手法の一貫性を示すために、提案された後処理はアスペクト抽出やアスペクト感情分類などの他のレビューベースタスクにも適用されます。実験結果は、提案された後処理手法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/で公開されています。