这个 NLP 问题层次结构描述中的最大池化是什么类型

我正在尝试实现这个描述以及我所做的 我生成了形状的 uni_gram & bi_gram & tri_gram(?,15,512)“使用填充” 然后对于每个单词，我连接三个特征向量 (?,3,512) 然后我向他们申请 Globalmaxpooling1D 我不知道我是否实施得好，所以有人可以帮助我吗？

Q = Input(shape=(15,))
V = Input(shape=(512,196))

word_level = Embedding ( vocab_size , 512 , input_length=max_length)(Q)

uni_gram = Conv1D( 512 , kernel_size = 1 , activation='tanh' , 
padding='same' )(word_level)
bi_gram  = Conv1D( 512 , kernel_size = 2 , activation='tanh' , 
padding='same' )(word_level)
tri_gram = Conv1D( 512 , kernel_size = 3 , activation='tanh' , 
padding='same' )(word_level)

phrases = []

for w in range(0,max_length):

Uni =uni_gram [:,w,:]
Uni= tf.reshape(Uni , [-1,1,512 ])

Bi = bi_gram [:,w,:]
Bi = tf.reshape(Bi , [-1,1,512 ])

Tri= tri_gram [:,w,:]
Tri = tf.reshape( Tri , [-1,1,512 ])

Uni_Bi_Tri  =  Concatenate(axis=1)([ Uni, Bi , Tri ])
Best_phrase = GlobalMaxPooling1D()(Uni_Bi_Tri)
Best_phrase = tf.reshape( Best_phrase , [-1,1,512 ])
phrases.append(Best_phrase)