تصنيف الوثائق هو مهمة صعبة ذات تطبيقات مهمة. لقد حظيت النماذج القائمة على التعلم العميق لهذه المشكلة باهتمام كبير مؤخرًا. ومع ذلك، فإن النماذج المقترحة لا تدمج معرفة بنية الوثيقة في الهيكل بفعالية ولا تأخذ في الاعتبار الأهمية السياقية للكلمات والجمل. في هذا البحث، نقترح نهجًا جديدًا يعتمد على مزيج من شبكات العصبونات التلافيفية (Convolutional Neural Networks)، وحدات التكرار المُحكَّمة (Gated Recurrent Units)، وآليات الانتباه (Attention Mechanisms) لمهام تصنيف الوثائق. الإسهام الرئيسي لهذا العمل يتمثل في استخدام طبقات التلافيف لاستخراج خصائص أكثر معنىً، قابلة للتعميم، ومجردة من خلال التمثيل الهرمي. الطريقة المقترحة في هذا البحث تحسن نتائج النماذج الحالية القائمة على الانتباه لمهام تصنيف الوثائق.