手写文本（字符串）识别方法是将手写文本转化为电子文本的技术。近年来随着计算机技术的发展和深度学习方法的兴起,涌现出多种字符串识别方法。它们按照对输入图片的切分思路可以分为两类:基于显式切分（也叫过切分策略方法,over-segmentation）的字符串识别方法和基于隐式切分（也叫无切分策略方法,segmentation-free）的字符串识别方法,两种方法其各有优缺点。本文拟融合两种方法,利用这两种识别方法各自的优势,取长补短。在参考了其他领域的系统融合技术后,本文在字符串识别领域首次提出基于注意力的神经网络融合模型。其具体方法是将两种中文手写文本识别方法对同一张图片的识别结果送入融合模型中,模型通过卷积神经网络提取特征,然后通过注意力机制将多个输入组合起来获得最终的融合结果。不同于传统的融合模型方法,本文不使用循环神经网络（Recurrent Neural Network,RNN）结构,而改用可以并行计算的全卷积的序列到序列（sequence to sequence,seq2seq）结构。并且为了实现在全卷积情况下的多对一的注意力方法,设计了多种注意力融合实现方法。本文还提出了一种新的融合模型训练方法,在上述的两种中文手写文本识别方式的训练集上直接融合,这样就不会使用额外的数据,这种融合模型训练方式会使得实验对比更加公平。实验部分首先分析了不同模型结构对融合效果的影响,确定了最优的融合模型结构,也证明了本文提出的使用联合自注意力机制的全卷积融合模型优于传统RNN结构的融合模型。然后通过关于语义信息的对比实验用以探究融合方法提升的原因,发现融合方法效果提升依赖于训练集中的语义信息,指出融合模型的主要作用为纠正识别结果中的语义错误。除此之外还设计了参与模型全为基于隐式切分方法的字符串识别模型的融合实验,证明了两种切分方法的字符串识别方法的有效互补性。实验部分证明了对基于显式切分和基于隐式切分两种字符串识别方法进行融合思路的可行性和有效性,但也揭露了融合模型对于语义信息的依赖性这一缺陷。在文章最后,针对这一缺陷提出了多种后续工作改进思路。