用于句子匹配的门控卷积神经网络

简介递归神经网络（RNN）已经在句子匹配任务中显示出有希望的结果，例如复述识别（PI），自然语言推理（NLI）和答案选择（AS）。然而，循环体系结构阻止了序列内的并行计算，并且非常耗时。为克服此限制，我们提出了一种用于句子匹配任务的门控卷积神经网络（GCNN）。在该模型中，堆叠卷积编码句子的分层上下文感知表示，其中门控机制可选地控制和存储卷积上下文信息。

LSTM的存储器单元由序列中的所有元素共享并随着时间的推移而更新。不同于LSTM，每个元素在GCNN中都有自己的存储单元存储器单元与层一起更新。内存可选存储以前所有创建的上下文信息卷积层。