Attentive Interactive Neural Networks for Answer Selection in Community Question Answering
Introduction
论文区分不同的文本段落，同时设计了一个新颖的注意力交互网络来衡量对于文本段落的关注度。问题与回答的表示先由CNN学习，之后网络架构再学习不同文本段之间的交互。row-wise与column-wise的pooling被用来收集交互信息。
Model
首先利用CNN获得了问题与回答的表示。
为了计算每个文本段落的交互信息，对于每个文本段落两两之间计算交互性。
之后分别采用row-wise和column-wise pooling操作，得到对应的表示：
在得到对应交互信息后，通过利用（语句表示，交互信息，问题主题，问题类别）来计算attention，来分别得到问题与回答的表示。
同理回答的表示也由上述操作得到。
在得到对应的问题与回答的表示后，即可
