本論文では、汎用的なテキストマッチングアプリケーション向けの高速かつ強力なニューラルアプローチを提案します。我々は、高速で高性能なテキストマッチングモデルを構築するために必要な要素を探求し、シーケンス間アライメントに必要な3つの主要な特徴量（ポイントごとの元の特徴量、以前のアライメント特徴量、およびコンテクスト特徴量）を維持しながら、他のすべての構成要素を簡素化することを提唱します。我々は自然言語推論、パラフレーズ識別、および回答選択のタスクにおいて、4つのよく研究されているベンチマークデータセット上で実験を行いました。我々のモデルの性能は、すべてのデータセットで最先端と同等であり、類似する性能を持つモデルと比較して推論速度が少なくとも6倍速いという結果を得ました。