结合多注意力机制的卷积神经网络
卷积神经网络能够接收平行输入的文本信息
加入词性注意力机制，能从多种特征信息关注句子的目标词和其他词语之间的联系，准确表示出每一个词在句子中的重要程度。
主要涉及到三种注意力机制（1）词向量注意力机制（2）词性注意力机制（3）位置注意力机制
使用双向扫描算法，标识不同词语在句子中的重要程度
（1）词向量注意力机制，是目标词的词向量和句子的词向量进行运算得到词向量注意力矩阵，这个矩阵会有一个系数，当词向量注意力矩阵确定后，再将它与句子向量进行运算得到卷积神经网路的输入矩阵
（2）词性注意力机制 将词性映射为词性向量，提取目标词的词性向量作为词性注意力特征矩阵
（3）位置注意力机制 距离近的影响更大，将位置取值映射为多维向量
三种注意力得到的矩阵如何作为CNN的输入呢？有以下几种方法
（1）将三个矩阵利用不用的系数相加
（2）在权重矩阵的控制下将三个矩阵进行拼接
（3）堆叠成为3维的张量