본 논문은 자연어 처리(NLP)의 기본 과제인 텍스트 분류에 대해 다룹니다. 기존 방법들은 복잡한 언어 구조와 의미적 의존성을 처리하는 데 어려움을 겪었지만, RNN과 Transformer 기반 모델과 같은 심층 학습의 발전으로 미묘한 특징 추출과 맥락 인식 예측이 가능해졌습니다. 그러나 기존 모델들은 해석력, 계산 효율성 및 장거리 맥락 이해 간의 균형을 맞추는 데 한계를 보입니다. 본 논문에서는 양방향 시간 모델링과 자기 주의 메커니즘을 통합한 Dynamic Bidirectional Elman with Attention Network (DBEAN)을 제안합니다. DBEAN은 입력의 중요 부분에 가중치를 동적으로 할당하여 맥락 표현을 개선하면서 계산 효율성을 유지합니다.
