就NN的层结构而言，是否有一种自然的方法可以将2个输入向量传递给NN？

示例：文本作者身份识别

• 输入#1：由未知作者编码的句子1，作为字典中的单词列表

  “天空是蓝色的” => x1 = [2, 23, 7, 76, 0, 0, 0, ..., 0]（零填充以具有 1000 个项目的长度）

• 输入#2：sentence2 by unknown author, idem

  “猫在睡觉” =>x2 = [2, 65, 7, 121, 0, 0, 0, ..., 0]

• 输出：y= [0, 1] 中的单个数字。
  0 = 不同作者
  1 = 同一作者
  0.9 = 同一作者的高概率等。

当然，我可以像这样构建图层：

  Input-size: None, 1000, 2    (x1, x2 stacked into a 1000x2 matrix)
  CNN ...
  ...
  Dense: None, 1

然后我可以使用包含 10,000 对同一作者的句子（期望输出：1）和 10,000 对不同作者的句子（期望输出：0）的数据集进行训练。

但我不知道它是否可以通过将 x1 和 x2 堆叠为 1000x2 矩阵来工作。

TL; DR：构建 NN 的经典方法是什么？以 2 个输入和一个数字作为输出，即从 0% 到 100% 的相似性指数？（如果可能，使用顺序结构）