초록
질문 응답은 잠재적인 고객들이 구매 결정을 내리는 데 필요한 제품이나 서비스에 대한 중요한 정보를 적극적으로 찾을 수 있도록 해주므로 전자상거래에서 중요한 역할을 합니다. 공식 문서에서의 최근 기계 독해(Machine Reading Comprehension, MRC) 성공 사례에 영감을 받아, 본 논문에서는 사용자 리뷰를 이용하여 사용자의 질문에 답할 수 있는 대규모 지식 원천으로 활용하는 가능성을 탐구합니다. 이를 우리는 리뷰 독해(Review Reading Comprehension, RRC) 문제라고 부릅니다. 최선의 지식으로 판단할 때, RRC에 대한 기존 연구는 아직 이루어지지 않았습니다. 본 연구에서는 측면 기반 감성 분석의 인기 벤치마크를 기반으로 RRC 데이터셋인 ReviewRC를 구축하였습니다. ReviewRC는 RRC뿐만 아니라 측면 기반 감성 분석에도 한정된 훈련 예제만을 제공하므로, BERT 언어 모델의 성능 개선을 위해 새로운 후 훈련(post-training) 접근법을 탐구하였습니다. 이 접근법의 일반성을 보이기 위해, 제안된 후 훈련은 측면 추출과 측면 감성 분류 등의 다른 리뷰 기반 작업에도 적용되었습니다. 실험 결과는 제안된 후 훈련 방법이 매우 효과적임을 입증하였습니다. 데이터셋과 코드는 https://www.cs.uic.edu/~hxu/에서 제공됩니다.