本文提出了一种用于检索式聊天机器人多轮响应选择的对话单元交互匹配网络（U2U-IMN）。与以往遵循上下文到响应匹配或对话单元到响应匹配框架的方法不同，该模型在计算它们之间的匹配度时，将上下文和响应均视为一系列对话单元。对于一个上下文-响应对，U2U-IMN 模型首先使用循环层和自注意力层分别对每个对话单元进行编码。然后，通过注意力机制在上下文和响应之间进行全局双向交互，以收集它们之间的匹配信息。在计算注意力权重时，上下文和响应对话单元之间的距离被用作先验成分。最后，依次执行句子级聚合和上下文-响应级聚合，以获得用于匹配度预测的特征向量。在四个公开数据集上的实验表明，我们提出的方法在所有指标上均优于基线方法，达到了新的最先进性能，并展示了跨领域的多轮响应选择兼容性。