私たちは、畳み込みニューラルネットワーク（CNN）の一種を紹介します。この種のCNNは、再帰型ニューラルネットワーク（RNN）を畳み込みフィルターとして利用します。一般的に、畳み込みフィルターは線形アフィン変換に非線形関数を適用する方法で実装されますが、言語の合成性を考慮に入れることができないため、自然言語処理タスクにおいてしばしば必要とされる高次フィルターの使用が制限されます。本研究では、RNNを使用して畳み込みフィルターをモデル化し、言語の合成性と長期依存関係を自然に捉えることを目指しました。結果として、単純なCNNアーキテクチャに再帰型ニューラルフィルター（RNF）を搭載することで、スタンフォード感性木バンクおよび2つの回答文選択データセットにおいて最良の既存結果と同等の性能を達成できることを示しています。