问句复述识别旨在识别两个自然问句是否语义一致。目前，基于表示学习和深度神经网络架构的复述识别技术已取得较好效果。但是，这类方法往往面临复杂度较高且训练难度较大的瓶颈。针对这一问题，该文提出一种快速的多卷积自交互匹配方法。该方法融合了多种句子特征和词义特征，并由此形成分布式表示。在此基础上，这一方法利用卷积神经网络获取短语级的句子向量表示，并利用自交互融合技术将词级与短语级的向量表示进行充分融合，借以获得多粒度句子向量表示。该文将这一方法应用于判定自然语句是否互为复述的二元分类任务中，利用Quora标准问句复述识别语料进行测试。实验结果证明，在不引入外部数据的情况下，该文所提方法与基于双向多视角匹配的基准模型具有可比的性能，但在空间复杂度上具有较高的优越性，并且获得更快训练速度。具体地，该方法训练所需的物理显存比基准模型方法下降80%，训练迭代速度快19倍。