本研究引入eC-Tab2Text数据集，解决了大规模语言模型在电商领域应用不足的问题，提高了产品评论生成的准确性和流畅性，展示了其在电商工作流程中的潜力。

本研究提出了一种名为MTP-COQE的模型，通过多视角提示学习从产品评论中提取比较信息。实验结果表明，该模型在英语和越南语数据集上表现优异，F1分数提高了1.41%。

该研究提出了一种神经框架，可从在线产品评论中进行意见摘要，只需要轻量级的监督。方法结合了两个弱监督组件，从多个评论中识别显著观点并形成提取式摘要。研究开发了具有黄金标准方面注释、显著标签和意见摘要的人工注释开发和测试集的意见摘要数据集。自动评估显示该方法相对于基线的显著改进，人类评判员更喜欢该方法的意见摘要。

本文介绍了与产品评论和意见相关的研究，包括对话AI OpinionConv、客户评论意见提取、神经对话模型、评论驱动的问答系统等。这些研究旨在利用产品评论和意见提供决策支持和个性化服务。