意味照合は多くの自然言語処理タスクにおいて中心的な重要性を有しています（Bordes et al., 2014; RetrievalQA）。成功する照合アルゴリズムには、言語オブジェクトの内部構造とそれらの相互作用を適切にモデル化する必要があります。この目標に向けて、我々は視覚や音声における畳み込み戦略を適用することにより、2つの文の照合を行うための畳み込みニューラルネットワークモデルを提案します。提案されたモデルは、層ごとの構成とプーリングによって文の階層構造を美しく表現するとともに、異なるレベルでの豊富な照合パターンも捉えます。これらのモデルは非常に汎用的であり、言語に関する事前知識を必要としないため、異なる性質や異なる言語の照合タスクに適用することができます。様々な照合タスクに対する実証研究では、提案されたモデルが多様な照合タスクで効果的であることを示すとともに、競合モデルに対して優れていることを示しています。