في تصنيف النصوص متعدد التصنيفات (MLTC)، يمكن أن ينتمي عينة واحدة إلى أكثر من فئة واحدة. ويُلاحَظ أن معظم مهام تصنيف النصوص متعدد التصنيفات تُظهر اعتمادًا أو ارتباطًا بين التصنيفات. وغالبًا ما تتجاهل الطرق الحالية العلاقة المتبادلة بين التصنيفات. في هذه الورقة البحثية، تم اقتراح نموذج يعتمد على شبكة الانتباه الرسومية (Graph Attention Network) لاستكشاف هيكل الاعتماد المركّز بين التصنيفات. تعتمد الشبكة الرسومية للانتباه على مصفوفة خصائص ومصفوفة ارتباط لاستخلاص واستكشاف الاعتماديات الأساسية بين التصنيفات، وتكوين تصنيفات للعملية. وتُطبَّق التصنيفات المُنتجة على متجهات خصائص الجمل التي تم استخلاصها من شبكة استخلاص الخصائص النصية (BiLSTM) لتمكين التدريب من النهاية إلى النهاية. يتيح الانتباه للنظام تخصيص أوزان مختلفة للمعقدات المجاورة لكل تصنيف، مما يمكّنه من تعلّم الاعتماديات بين التصنيفات بشكل غير مباشر. وقد تم التحقق من نتائج النموذج المقترح على خمسة مجموعات بيانات حقيقية لمهام تصنيف النصوص متعدد التصنيفات. وحققت النتائج أداءً مماثلًا أو أفضل مقارنةً بالنماذج السابقة المُصنفة كأفضل نموذج متاح.