نُقدّم نموذجًا جديدًا يُسمى شبكة الانتباه متعددة الحُرُوف (MGAN) لتصنيف مشاعر المستوى الخاص (aspect-level sentiment classification). تعتمد الطرق الحالية بشكل رئيسي على آلية انتباه خشنة (coarse-grained attention)، والتي قد تؤدي إلى فقدان المعلومات إذا كان المُستوى الخاص يتكون من عدة كلمات أو يتطلب سياقًا واسعًا. ولذلك، نقترح آلية انتباه دقيقة (fine-grained attention) قادرة على اكتشاف التفاعل على مستوى الكلمة بين المستوى الخاص والسياق. ثم نُوظّف كل من آلية الانتباه الدقيقة والخشنة لتكوين إطار عمل MGAN. علاوة على ذلك، على عكس الدراسات السابقة التي تدرب كل مستوى خاص بشكل منفصل مع سياقه، نصمم خسارة محاذاة المستويات الخاصة (aspect alignment loss) لتمثيل التفاعلات على مستوى المستوى الخاص بين المستويات الخاصة التي تشترك في نفس السياق. تم تقييم النهج المقترح على ثلاث مجموعات بيانات: تأتي بيانات اللابتوب والمطاعم من مسابقة SemEval 2014، بينما تأتي المجموعة الثالثة من مجموعة بيانات تويتر. أظهرت النتائج التجريبية أن شبكة الانتباه متعددة الحُرُوف تتفوّق باستمرار على أحدث الطرق المُنشورة في جميع ثلاث مجموعات البيانات. كما أجرينا تجارب لاختبار فعالية خسارة محاذاة المستويات الخاصة، والتي تشير إلى أن التفاعلات على مستوى المستوى الخاص يمكن أن تُضيف معلومات مفيدة إضافية، وتساهم في تحسين الأداء بشكل أكبر.