文の対応付けは、自然言語推論、言い換え識別、質問応答などの様々な自然言語処理タスクで広く使用されています。これらのタスクでは、2つの文間の論理的および意味的な関係を理解することが必要ですが、依然として困難な課題となっています。注意機構は意味的な関係を捉え、2つの文の要素を適切にアラインさせるために有用ですが、従来の注意機構の手法は単純な加算演算を使用するため、元の特徴を十分に保持できていません。DenseNet（密結合畳み込みネットワーク）から着想を得て、私たちは各層が注意特徴量とすべての先行再帰層の隠れ特徴量を連結した情報を使用する密結合共注意再帰ニューラルネットワークを提案します。これにより、最下位の単語埋め込み層から最上位の再帰層まで、元の特徴情報と共注意特徴情報を保持することが可能となります。密結合連結操作による特徴ベクトルサイズの増大という問題を緩和するために、私たちはまた密集連結後にオートエンコーダーを使用することを提案します。我々は提案したアーキテクチャを文の対応付けに関連する競争力のあるベンチマークデータセットで評価しました。実験結果は、再帰特徴量と注意特徴量を保持する私たちのアーキテクチャがほとんどのタスクにおいて最先端の性能を達成していることを示しています。