代码：
keras:https://github.com/phdowling/abcnn-keras
tf:https://github.com/galsang/ABCNN
本文是Wenpeng Yin 该作者之前还发过一篇《Convolutional Neural Network Architectures for Matching Natural Language Sentences》
。ABCNN是基于之前发的这篇论文加入了注意力机制。
相比这两篇Attention-based的论文，会发现，ABCNN提出了三个层面的Attention方法，有助于更加全面的理解attention在不同层面所能带来的不同作用。
BCNN
BCNN就是ABCNN模型的基础，即没有添加Attention的模型结构。如下图所示：
1， 输入层：
就是将输入句子进行padding后转化成词向量即可。
2，卷积层：
这里使用的应该是Yoon Kim论文中所提出的卷积方式，即一个窗口最后只生成一个卷积值，然后再句子长度上进行滑动，得到一个长度为sent_len+ws-1的向量（wide conv）。输出channel是卷积核的个数。
3，pooling层
论文中提到了两种pooling层，一种是最后一个pooling层–all-ap，还有一种是中间卷积层所用的pooling层–w-ap。区别就是池化时的窗口大小不同。
all-ap：将卷积之后的结果在句长维度上进行Average Pooling， 得到一个列向量，如上图中最上面的pooling层所示。
w-ap：使用滑动窗口的形式，以窗口宽度w对卷积输出进行Average Pooling。因为输入层经过宽卷积后会变成sent_len+w-1，之后经过窗口大小为w的pooling层后仍然会变回sent_len。这样的话，conv-pooling层就可以无限叠加起来。
4，输出层
因为我们的任务是一个2分类，所以论文中使用的是logistic 回归层。不过这里需要注意的是，最后一层的输入特征除了最后一个conv层的输出之外，还额外添加了对每个conv层做all-ap得到的特征也将作为其输入。这么做是为了是逻辑回归可以观察到不同层面的抽象信息。
ABCNN-1
上面介绍了BCNN的基础模型，加下来分别介绍三种加入Attention的方式。首先是在输入层加入Attention，其示意图如下：
其原理就是将输入拓展成双通道，类似于图片的RGB模式。而添加的通道便是attention feature map，即上图中的蓝色部分。其计算方式如下：
1，计算attention矩阵A，其每个元素Aij代表句子1中第i个单词对句子二中第j个单词的match_score，这里使用Euclidean距离计算。如下图：
2，分别计算两个句子的attention map。如图所示，使用两个矩阵W0,W1分别和A还有 A的转置相乘即可获得与原本feature尺寸相同的特征图了。这里W0和W1都是模型参数，我们可以使用相同的W，即共享两个矩阵。这样我们就将原始的输入拓展成了两个通道。剩下的与BCNN保持不变即可。
ABCNN-2
ABCNN-1直接在输入层加Attention，目的是为了改善卷积层的输出，现在提出ABCNN-2，其目的是为了在卷积层输出的结果上进行改善。其示意图如下：
Attention矩阵A的计算方法与上述相同，计算完A，需要分别为两个句子计算两个Attention权重向量，如上图中的两个虚线部分。得到的两个向量中的每个元素分别代表了相应单词在做Average Pooling时的权重。即ABCNN-2模型中修改了pooling方法，不再是简单的Average Pooling，而是根据计算出的Attention权重向量计算。公式如下：
相比ABCNN-1而言，2是为了通过对conv卷积输出结果过进行赋权重改善pooling的结果，使获得的高层次抽象特征（短短语，长短语。。）中不同词按照不同的权重进行叠加。而且2添加的参数更少，更不易过拟合。
ABCNN-3
ABCNN-3其实就是将前面两个模型融合在一起组成一个新的模型，示意图如下所示：
实验结果
论文为了证明模型的普适性，对三个不同领域的数据集做了实验，都达到了很好的实验效果。这三个数据集分别是：answer selection（AS）领域的WiKiQA，paraphrase identification（PI）领域的MSRP，Textual Entailment（TE）领域的SenEval 2014 Task。实验结果分别如下图所示： 
