본 논문은 자연어 처리(NLP)에서 핵심적인 과제인 텍스트 분류에 대해 다룬다. 기존의 방법들은 복잡한 언어 구조와 의미적 의존성을 처리하는 데 어려움을 겪었지만, 순환 신경망(RNN)과 Transformer 기반 모델과 같은 심층 학습의 발전으로 세밀한 특징 추출과 맥락 인식 예측이 가능해졌다. 하지만 기존 모델들은 해석 가능성, 계산 효율성, 장기 맥락 이해 간의 균형을 맞추는 데 한계를 보인다. 본 논문에서는 양방향 시간 모델링과 자기 주의 메커니즘을 통합한 동적 양방향 엘만 주의 네트워크(DBEAN)를 제안한다. DBEAN은 입력의 중요한 부분에 가중치를 동적으로 할당하여 맥락 표현을 향상시키는 동시에 계산 효율성을 유지한다.
