از زمان پیدایش برنامه های موبایل، نظرات کاربران برای توسعه دهندگان برنامه بسیار ارزشمند بوده است چون حاوی احساسات، اشکالات و نیازهای جدید کاربران بوده است. به دلیل حجم بالای نظرات، خلاصه سازی آن ها کار بسیار دشوار و مستعد خطاست. تا کنون کارهای بسیاری در زمینه خلاصه سازی استخراجی نظرات کاربران انجام شده است؛ اما در اکثر پژوهش ها یا از روش های قدیمی یادگیری ماشین و یا پردازش زبان طبیعی استفاده شده است و یا اگر مدلی برای خلاصه سازی با استفاده از مبدل ها آموزش دیده است، مشخص نشده که این مدل برای خلاصه سازی نظرات کاربران موبایل کاربرد دارد یا خیر ؟ به بیان دیگر مدل برای خلاصه سازی متون به صورت عام منظوره ارائه شده و هیچ بررسی برای استفاده از آن در خلاصه سازی های خاص منظوره انجام نشده است . در این مقاله در ابتدا 1000 نظر به صورت تصادفی از پایگاه داده Kaggle مربوط به نظرات کاربران انتخاب شد و سپس به 4 مدل از پیش آموزش دیده bart_large_cnn، bart_large_xsum، mT5_multilingual_XLSum و Falcon’sai Text_Summrization برای خلاصه سازی داده شد و معیار های Rouge1، Rouge2 و RoungL برای هر کدام از مدل ها به طور جداگانه محاسبه شد و در نهایت مشخص شد که مدل از پیش آموزش دیده Falcon’sAI با امتیاز 6464/0 در معیار rouge1 ، امتیاز 6140/0 در معیار rouge2 و امتیاز 6346/0 در rougeL بهترین مدل برای خلاصه سازی نظرات کاربران فروشگاه Play است Manuscript profile