في هذه الورقة، نقترح معمارية عصبية جديدة من النهاية إلى النهاية لترتيب الإجابات المرشحة، والتي تعتمد على شبكة عصبية متكررة هرمية ووحدة تجميع مواضيع خفية. باستخدام نموذجنا المقترح، يتم تشفير النص إلى تمثيل متجهي من المستوى الكلامي إلى المستوى القطعي لالتقاط المعنى الكامل بشكل فعال. وبشكل خاص، فإن نموذجنا يظهر انخفاضًا ضئيلًا في الأداء عند فهم النصوص الطويلة بينما تعاني النماذج الأخرى للشبكات العصبية المتكررة الرائدة من هذا الأمر. بالإضافة إلى ذلك، تقوم وحدة تجميع المواضيع الخفية باستخراج المعلومات الدلالية من العينات المستهدفة. تعد هذه الوحدة مفيدة لأي مهمة مرتبطة بالنصوص من خلال السماح لكل عينة بيانات بالعثور على أقرب مجموعة مواضيع إليها، مما يساعد نموذج الشبكة العصبية في تحليل البيانات بأكملها. قمنا بتقييم نماذجنا على مجموعتي بيانات Corpus حوار Ubuntu ومجموعة أسئلة وإجابات المستهلكين الإلكترونية التي تتعلق بمنتجات سامسونغ. أظهر النموذج المقترح أفضل النتائج الرائدة في تصنيف أزواج السؤال والإجابة.