私たちは、検索ベースのチャットボットにおけるマルチターン会話の応答選択について研究しています。既存の手法は、コンテキスト内の発話を連結するか、または応答を非常に抽象的なコンテキストベクトルと最終的にマッチングさせることが多く、これにより発話間の関係性や重要なコンテキスト情報が失われることがあります。これらの問題を解決するために、我々は逐次マッチングネットワーク（Sequential Matching Network: SMN）を提案します。SMNはまず、応答をコンテキスト内の各発話に対して複数の粒度レベルでマッチングし、各ペアから重要なマッチング情報を畳み込みとプーリング操作によってベクトルとして抽出します。これらのベクトルは、発話間の関係性をモデル化する再帰型ニューラルネットワーク（Recurrent Neural Network: RNN）を通じて時系列順に蓄積されます。最終的なマッチングスコアは、RNNの隠れ状態を使用して計算されます。2つの公開データセットを用いた実証研究では、SMNがマルチターン会話における応答選択において最先端の手法を大幅に上回ることが示されています。