通过考虑个性化和模棱两可性，我们创建了一个包含大约 80 万个问题和 310 万个答案的新问题回答数据集，发现考虑主观答案的个性化因素能够得到定量上更好的答案，并提供更细致的支持性观点。

Oct, 2016

该研究提出了基于评论的问答系统，并介绍了一个新的数据集和结合信息检索和阅读理解模型的方法以生成答案。研究评估了许多答案生成模型并提出了强有力的基线，证明了这个新任务的挑战性。

Aug, 2019

本研究提出了一种基于符合性预测的产品问答系统，可以提高回答的可靠性和可信度，并且包括不可以回答的问题的空答案，实现了对产品问题的快速和准确的回答。

Jul, 2020

本论文提出了一种新型的预测产品相关问题答案的方法，该方法基于相似问题以及相似产品的答案来进行判断，并使用专家混合模型框架聚合答案来提高预测准确率。经实证结果表明，该模型在某些问题的表现优于强基线，而且我们还出版了两个大规模数据集用于支持我们的方法。

May, 2021

本文介绍了一种基于酒店评论的问题回答数据集 ReviewQA，旨在评估模型的关联理解和能力，并提供了几种基线模型的实现。

Oct, 2018

本文提出了一种基于统一模型的答案生成方法，通过 opinion mining 解决 product-related question answering 中因个人意见多样性带来的挑战，实现 opinion-aware 答案生成，并通过多视角 pointer-generator 网络实现答案生成和意见挖掘任务之间的联合学习和意见融合策略，取得了在实际 E-Commerce QA 数据集中优越表现。

Aug, 2020

本文研究如何使用数据挖掘、自然语言处理技术和本体论来提取产品方面和用户意见，并使用频繁（标记）集，讨论了提出的框架能够提取评论中所有可能的方面和意见，并通过相似性分组代表性方面，并生成输出摘要。该框架与现有基线模型相比，得到了有希望的结果。

Apr, 2014

提出了一种自动系统，将调查论文审查任务概念化为一个分类问题，采用机器学习模型测定与指定主题相关的论文的相关性，并且通过使用 BERT 等高级语言模型，取得了优于传统机器学习方法的初步结果。

Jun, 2024

通过引入自然语言评论作为优化产品表示的一种方式，将旁路信息融入基于协同过滤的推荐系统可以提高其性能表现；本文提出两种不同类型的评论模型，包括基于神经网络的词袋专家模型和循环神经网络模型，并证明前者的模型灵活性表现出了更高的性能表现，超越了基于 LDA 的方法。

Jun, 2018

本文通过研究用户行为与段落相关性的关联性，提出了一种新的从用户行为数据中挖掘 Question Answering 系统训练数据的方法，并在四个测试数据集上得出了显著的排名准确性提高的结果。

Jun, 2020