问答在电子商务中发挥着重要作用，因为它允许潜在客户积极获取有关产品或服务的关键信息，以帮助他们做出购买决策。受到机器阅读理解（MRC）在正式文档上取得的最新成功的启发，本文探讨了将客户评论转化为可利用的知识来源以回答用户问题的潜力。我们称这一问题为评论阅读理解（Review Reading Comprehension, RRC）。据我们所知，目前尚无关于RRC的研究工作。在这项研究中，我们首先基于一个流行的面向方面的情感分析基准构建了一个RRC数据集，称为ReviewRC。由于ReviewRC在RRC任务（以及面向方面的情感分析任务）上的训练样本有限，我们随后探索了一种新颖的BERT语言模型后训练方法，以增强BERT在RRC任务上的微调性能。为了展示该方法的通用性，所提出的后训练方法还被应用于其他一些基于评论的任务，例如面向方面的情感分析中的方面提取和方面情感分类。实验结果表明，所提出的后训练方法非常有效。数据集和代码可在https://www.cs.uic.edu/~hxu/ 获取。