ARC-II模型的细节

     2014年nips论文Convolutional Neural Network Architectures for Matching Natural Language Sentences，针对文本匹配模型，提出了两种网络，其中第一种网络结构ARC-I，是使用CNN分别对文本提取特征，然后计算特征的相似度，然而这种模型中， 在提取特征时，两个文本之间并没有交互，显然这样的匹配模型，不符合我们的直观想法，我们更期望然文本计算特征时有交互，提取出相互交叉、影响的特征，基于此，该论文提出了ARC-II结构。

ARC-II 的模型结构如上图所示，假设两个句子的长度都是N，embedding的维度为D，那么用一个3*3的卷积核在一个N*N的图片上进行扫描，每次扫描横向3个格子，纵向3个格子，分别代表两个句子对应的词，然后取到6个词，共计6* D，然后卷积核的大小也为6*D ,卷积核与被选中的词，进行点乘相加(此处没有激活函数)，最终得到一个值，移动3*3的卷积核，最终得到一个卷积的图片。

此处图中交互卷积为1维卷积，查看matchzoo代码发现也确实为1维卷积，但此处1维卷积与textcnn中的二维卷积其实是同一种东西，先看一下matchzoo中的实现：

def build(self):
    ""