1.概述
DAM用于处理一个连续型的问答问题，问题的答案存在于一个序列中，模型的目标是从待选择的答案中选出最合适的答案并给予评分。
2.模型结构
3.模型
输入是若干个问题，和一个答案的集合，经过embeding形成字向量，词向量，和句子向量，然后经过多层的self-attention机制形成字，词，句子级三个不同粒度的向量。
attentionMoudle
公式：
记作：
在attentive过程中每一层和上一层的关系
其中l代表粒度，i代表问题的序号。
Matching过程
对于上一层的输出，
然后通过池化形成评分结果
原文：https://www.cnblogs.com/yangyang12138/p/12934474.html