Multichannel Variable-Size Convolution for Sentence Classification（阅读理解）

它结合了不同版本的预先训练的词嵌入

使用可变大小的卷积滤波器进行不同粒度的短语特征提取

作者证明了使用预先训练的网络可以达到一个更好的结果

多通道输入

作者将一小批量的句子整合成相同的长度，而对应通道的未知字将被随机初始化，或者从下一节描述的互学习阶段获得良好的初始化，多通道输入的好处是（1）一个频繁的词在开始时可以有多个表示(而不是只有一个)，这意味着它有更多可用的信息来利用（2）在一些word embedding版本中漏掉的罕见单词可以由其他版本进行补充，这种初始化可以利用部分已知单词的信息，而不必使用完全随机初始化或删除未知单词。

卷积操作

目标通常是训练一个模型，在这个模型中，不同的内核可以探测到本地区域的不同特征。但是，这种传统的方法不能检测不同粒度区域的特征，作者提出保留多内核的属性，同时将它扩展到同一图层中的不同尺寸的卷积核

池化操作

作者借鉴了其他研究，采用dynamic k-max pooling